问Numpy蒙面作业

EN

np.ma.zeros创建一个蒙面数组，而不是一个普通数组，如果以后对该数组的某些操作创建无效值，则该数组可能很有用。手册中的一个例子：

数组有时包含无效或丢失的数据。在对这些数组执行操作时，我们希望抑制无效的值，这就是满足的目的(下面给出了一个典型的使用示例)。 例如，检查以下数组：X= np.array(2，1，3，np.nan，5，2，3，np.nan) 当我们试图计算数据的平均值时，结果是无法确定的： np.mean(x) nan 平均值是使用粗略的np.sum(x)/len(x)计算的，但是由于添加到NaN中的任何数字都会生成NaN，所以这是行不通的。输入蒙面数组： M= np.ma.masked_array(x，np.isnan(x)) >>> m masked_array(data = 2.0 1.0 3.0 -- 5.0 2.0 3.0 -，掩码=假真假真，fill_value=1e+20) 在这里，我们构造了一个隐藏数组来抑制所有的NaN值。我们现在可以开始计算其他值的平均值： np.mean(m) 2.6666666666666665

作为初学者，不要太沉迷于蒙面数组。它是np.ndarray的一个子类，它在处理数据时很有用，这些数据有一些坏值，在计算平均值时您希望忽略这些值。但是，否则，您应该关注使用numpy类创建和索引(和计算)。

ma数组不仅是一个子类，它还包含两个常规数组。一个有数据，包括任何“坏”的值。这是一个常规的numpy数组。另一个是布尔数组，掩码。蒙面类的开发人员试图让它以与常规数组相同的方式运行，但是增加了掩蔽。大多数(如果不是全部)蒙面数组的新增特性都是用Python代码实现的。

很难理解numpy的底层C代码，但是看看用Python实现的函数和方法是有指导意义的。我经常在ipython会话中查看这些内容，但它们也可以在numpy github存储库上进行研究。