用于掩码数组的 Numpy broadcast_to答案

【问题标题】：Numpy broadcast_to for masked array用于掩码数组的 Numpy broadcast_to
【发布时间】：2017-11-23 10:21:25
【问题描述】：

我正在使用np.broadcast_to 函数来获取重构数组的视图，就像示例一样：

>>> x = np.array([1, 2, 3])
>>> np.broadcast_to(x, (3, 3))
array([[1, 2, 3],
       [1, 2, 3],
       [1, 2, 3]])

将一个掩码数组传递给这个函数会让我失去掩码：

>>> y = np.ma.array([1, 2, 3], mask=[False, True, False])
>>> np.broadcast_to(y, (3, 3))
array([[1, 2, 3],
       [1, 2, 3],
       [1, 2, 3]])

如何获得以下视图？

array([[1, --, 3],
       [1, --, 3],
       [1, --, 3]])

【问题讨论】：

-- 不是有效的 Numpy 或 Python 标识符。 -- 应该是什么？没有？
@Kasramvd -- 用于掩码数组的掩码项的显示。
我预计在 np.broadcast_to 中传递 subok=True 会返回您想要的结果，但不幸的是，它没有。掩码未广播。
作为一般规则，numpy 函数不“知道”掩码数组。他们倾向于只使用data 部分。 np.ma 函数和将任务委托给掩码方法的函数一样。

标签： python numpy masked-array

【解决方案1】：

显然，您可以将subok 参数传递给np.broadcast_to 以保留传递的数组的类型而不使用基数组类型，但这只会广播屏蔽数组的数据，而不是掩码。

之后您可能应该手动广播掩码：

>>> y = np.ma.array([1, 2, 3], mask=[False, True, False])
>>> z = np.broadcast_to(y, (3, 3), subok=True)
>>> z.mask
False
>>> z.mask = np.broadcast_to(y.mask, z.shape)
>>> z
masked_array(data =
 [[1 -- 3]
 [1 -- 3]
 [1 -- 3]],
             mask =
 [[False  True False]
 [False  True False]
 [False  True False]],
       fill_value = 999999)

【讨论】：

【解决方案2】：

我想这就是你想要的。广播后屏蔽数组，这样就得到想要的屏蔽数组了。

y = np.ma.array([1, 2, 3])
z = np.broadcast_to(y, (3, 3))
x = np.ma.array(z, mask=np.broadcast_to([False,True,False], (3, 3)))
x
masked_array(data =
 [[1 -- 3]
 [1 -- 3]
 [1 -- 3]],
             mask =
 [[False  True False]
 [False  True False]
 [False  True False]],
       fill_value = 999999)

检查这是否适用于您的情况。如果你想要没有'--'的掩码数组值

x.compressed()
array([1, 3, 1, 3, 1, 3])

更多信息请通过Masked array documentation

【讨论】：

是的，应该可以。我可以通过y.mask 而不是[0,1,0] 使其更通用。 copy 参数在 `np.ma.array' 函数中也默认为 False，因此它应该返回一个视图。谢谢
欢迎您！ @DuncanWP

【解决方案3】：

基于@Sandeep Kadapa 的有益结果（我缺乏评论的声誉），我构建了一个函数，可以用来查找和替换 numpy.broadcast_to 的调用：

import numpy as np

def ma_broadcast_to(maskedarray,tup):
        initial_mask=np.ma.getmask(maskedarray)
        broadcasted_mask=np.broadcast_to(initial_mask,tup)
        broadcasted_array=np.broadcast_to(maskedarray,tup)
        return np.ma.array(broadcasted_array, mask=broadcasted_mask)

并应用于 OP

y = np.ma.array([1, 2, 3], mask=[False, True, False])
ma_broadcast_to(y,(3,3))

masked_array(
  data=[[1, --, 3],
        [1, --, 3],
        [1, --, 3]],
  mask=[[False,  True, False],
        [False,  True, False],
        [False,  True, False]],
  fill_value=999999)

【讨论】：