在 Numpy 中将 2D 或 1D 掩码数组索引到 1D 数组中的有效通用代码答案

【问题标题】：Valid generic code to index 2D or 1D masked arrays into 1D arrays in Numpy在 Numpy 中将 2D 或 1D 掩码数组索引到 1D 数组中的有效通用代码
【发布时间】：2021-04-17 05:55:56
【问题描述】：

我想要二维或一维掩码数组的有效代码，以便从中提取一维数组。在 2D 情况下，一列将被完全屏蔽并应被删除（这可以按照in this question for example 所示完成）。

import numpy as np

a = np.ma.masked_array(range(10*2), mask=[True, False]*10).reshape(10,2)
a = np.ma.masked_equal(a, 13)
b = np.ma.masked_equal(np.array(range(10)), 3)

print(a)
print(b)
# [[-- 1]
#  [-- 3]
#  [-- 5]
#  [-- 7]
#  [-- 9]
#  [-- 11]
#  [-- --]
#  [-- 15]
#  [-- 17]
#  [-- 19]]
# [0 1 2 -- 4 5 6 7 8 9]

# HERE I would like the same indexing valid for both (2D and 1D) situations:
a = a[:, ~np.all(a.mask, axis=0)].squeeze()
b = b[:] # I am not supposed to know that b is actually 1D and not a problematic 2D array

print(a)
print(b)
# [1 3 5 7 9 11 -- 15 17 19]
# [0 1 2 -- 4 5 6 7 8 9]
print(a-b)
# [1 2 3 -- 5 6 -- 8 9 10]

实现此目的的有效 Python 代码是什么？

子问题：令我惊讶的是，在我的尝试中，以下确实奏效了：

b = b[:, ~np.all(b.mask, axis=0)].squeeze()
print(b)
# [1 3 5 7 9 11 -- 15 17 19]

为什么我在为这个一维数组使用二维索引时没有收到IndexError: too many indices for array 错误？

有没有更好的选择来解决最初的问题？谢谢！

【问题讨论】：

b 可以和 a 一样对待 - b[:, ~np.all(b.mask, axis=0)].squeeze() 有什么问题？
这很讽刺 - 我刚刚删除了我的问题的 2d 部分（认为它会使事情变得过于模糊 - 我已经把它放回去了）。所以我确实同意你的观点，这会起作用，尽管我真的不明白为什么这不会引发IndexError。此外，这意味着这将是一个很好的方法吗？（我期待其他更好/更智能的解决方案，包括花哨的索引、新轴创建等）
您认为您在哪里使用 2D 索引？一维数组也有一个轴“0”。
我猜是因为 [... ,...] 这让我认为我正在索引所有行 : 然后在某些列上索引 ~np.all()... 如果这是一种合适的方法并且没有其他（更好的？）弹出，那么最好的办法可能是发展您的评论（也许解决我的困惑？）作为我接受的答案？（如果我们不能使它有用，那么我会删除不污染 SO 的问题）。还是谢谢！
或者对不起，我的错 - 现在我明白你的意思了，但我没有很好的解释为什么它可以正常工作，所以把问题留在这里，我会考虑一下或者也许其他人可以通过相关文档的链接来澄清它。

标签： python arrays numpy multidimensional-array dimensions

【解决方案1】：

对于两种情况（1D 和 2D），您都可以使用 a = a[:, ~np.all(a.mask, axis=0)].squeeze()。

在您示例的一维情况下，您会得到b[:, ~np.all(b.mask, axis=0)]，即b[:, True]。这似乎应该引发索引错误，但在这种情况下，True 的行为类似于np.newaxis，即b[:, True] 的结果是一个形状为(10,1) 的数组。请参阅this SO answer 了解为什么会这样以及其背后的动机是什么（答案适用于 0 维情况，但事实证明它同样适用于更高维度）。 squeeze 然后删除了这个额外的维度，这样你就不会注意到它。

【讨论】：