问题标签 [masked-array]

首先，我有一个压缩的 numpy 数组 c 和一个掩码 m，用于从完整数组 a 生成 c。

我想输出一个与原始数组 a 形状相同的重建数组 b，但结果来自压缩数组。以下代码适用于此，但我不知道如何使其高效。任何指导将不胜感激

这导致：

我需要对[0, n)具有必须始终忽略的值的连续整数范围进行整数数组索引。忽略的值不应出现在结果中。并且有一个独立的 NumPy 布尔长度数组n（即掩码），指示是否忽略原始范围的元素。

在纯 Python 中，我会这样写：

对于这个输入

调用的结果get_non_masked_indices(mask, idxs)是

这是一种常用的数组处理模式（尤其是在图形算法中）。是否有 NumPy 函数来促进这一点？

到目前为止，我提供了以下选项：

• 原生 NumPy 索引
• 使用索引掩码进行掩码
• 索引屏蔽范围

原生 NumPy 索引：

使用索引掩码进行掩码：

索引屏蔽范围：

来自应用程序的示例

假设我们有一个图，表示为相邻节点的 NumPy 数组列表。

我感兴趣的函数只需要返回节点的非彩色邻居：

认为

我想

或同等学历。

意思是，我想用 访问a，maskwheremask是较低维度的，并有自动广播。我想np.ma.array在mask=参数的构造函数中使用它。

我想在蒙面数组中获得位置。像这样

wt 和 chl 形状相同。我想根据 chl 的值和属性（是否屏蔽）给 wt 值。

有谁知道我应该怎么做？

先感谢您。

我正在尝试使用一个nc文件创建降水图，类似于我在此处找到的 NWS 示例。

不过，就我而言，我的降水数据已经在mm. 如何保持相同的单位？我确实阅读了以下内容，

创建一个numpy.ma.MaskedArray附加单位。这是一个薄包装器numpy.ma.masked_array()，可确保单元正确附加到结果（否则单元会默默丢失）。单位取自 data_units 参数，或者如果是None，则使用数据上的单位。

我为我的文件遵循了给定的参数（masked_array(data, data_units=None, **kwargs)），但是

1. kwargs 没有定义，并且
2. 当我不包括 kwargs 时，我得到

“AttributeError：‘MaskedArray’对象没有属性‘units’”。

我是初学者，所以请温柔。感谢您的指导！这是我的代码...

我有一些数组

和一些面具

并且可以做到

然而，

相当于

和

相当于

这对我来说似乎违反直觉。

希望 numpy 对这种设计选择做出解释。

有很多与ValueErrors 相关的问题，其中不同形状的输入数组无法在 SO 在这里广播。但没有一个与面具有关：

我正在做的是以下内容：

• 遍历 NetCDF 4 文件（根组）中的所有变量
• 将其内容从一个 NetCDF 文件复制到另一个新创建的文件中

原因与这个问题无关，但可以在这个问题中找到。

最小代码：

这适用于所有变量的较新 Python（使用 >= 3.6 测试），但不适用于Python 2.7 ^† 用于未填充的标量 NetCDF 变量。在调试器中，就在引发此异常时，感兴趣的变量看起来像（在Python 2.7 和 3.6 中）：</sup>

所以这只发生在空的标量 NetCDF 变量上。另一方面，将一个掩码常量分配给另一个掩码常量是可行的。只是里面的那个被屏蔽的常数。netCDF4._netCDF4.Variable为什么？以及如何解决？

编辑：numpy 1.7.1 和 netcdf4 1.2.7 发生故障。<- 这原来是问题的根源，请参阅此答案。

variable是类型netCDF4._netCDF4.Variable，并且 print(dir(variable))显示['__array__', '__class__', '__delattr__', '__delitem__', '__doc__', '__format__', '__getattr__', '__getattribute__', '__getitem__', '__hash__', '__init__', '__len__', '__new__', '__orthogonal_indexing__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__setitem__', '__sizeof__', '__str__', '__subclasshook__', '__unicode__', '_assign_vlen', '_cmptype', '_enumtype', '_get', '_getdims', '_getname', '_grp', '_grpid', '_has_lsd', '_iscompound', '_isenum', '_isprimitive', '_isvlen', '_name', '_nunlimdim', '_put', '_toma', '_varid', '_vltype', 'assignValue', 'chunking', 'datatype', 'delncattr', 'dimensions', 'dtype', 'endian', 'filters', 'getValue', 'get_var_chunk_cache', 'getncattr', 'group', u'long_name', 'mask', 'name', 'ncattrs', 'ndim', 'renameAttribute', 'scale', 'set_auto_mask', 'set_auto_maskandscale', 'set_auto_scale', 'set_var_chunk_cache', 'setncattr', 'setncattr_string', 'setncatts', 'shape', 'size']

_{^† 是的，我知道 Python 2 已停产。但它是必要的[插入来自遗留开发环境的原因]。</sup>}

Consider two numpy arrays having the same shape, A and B, composed of 1s and 0s. A small example is shown:

I now want to assign values to the two Boolean variables test1 and test2 as follows:

test1: Is there at least one instance where a 1 in an A column and a 1 in the SAME B column have row differences of exactly 1 or 2? If so, then test1 = True, otherwise False.

In the example above, column 0 of both arrays have 1s that are 2 rows apart, so test1 = True. (there are other instances in column 2 as well, but that doesn't matter - we only require one instance.)

test2: Do the 1 values in A and B all have different array addresses? If so, then test2 = True, otherwise False.

In the example above, both arrays have [4,3] = 1, so test2 = False.

I'm struggling to find an efficient way to do this and would appreciate some assistance.

谁能向我解释以下结果？我知道这不像通常会执行此操作，但我发现这个结果很奇怪。

我预计c不会改变，但我想这里有一些与内存中的对象相关的事情。此外，+=保留原始对象，同时=创建+一个新的d.

我只是不太明白添加到c.

帮助找到解决问题的高性能方法：我在神经网络（answers_weight）之后有一个结果，一个答案类别（same len）和当前请求的允许类别：

我需要知道最大元素的索引（在answers_weight数组中），但跳过不允许的类别（2,3）。

最后，索引必须= 2（“3.0”，因为“3.8”必须跳过，因为类别不允许）