numpy：NaN 和掩码数组之间的区别
numpy: difference between NaN and masked array
在 numpy 中有两种标记缺失值的方法：我可以使用 NaN 或 masked array。我知道使用 NaN（可能）更快，而掩码数组提供更多功能（哪个？）。
我想我的问题是我是否/什么时候应该使用一个而不是另一个？
np.NaN 在 regular array vs. a masked array 中的用例是什么？
我确定答案一定在那里，但我找不到...
据我了解，NaN 表示任何非数字的内容，而掩码数组标记缺失值或数字但对您的数据集无效的值。
希望对您有所帮助。
区别在于两个结构保存的数据。
使用regular array with np.nan，无效值后面没有数据。
使用 masked array，您可以初始化一个完整的数组，然后对其应用掩码，使某些值看起来无效。 numpy.ma 模块提供的方法使您不必处理 np.nan 行为（例如，np.nan == np.nan 始终是 False，等等）
如果您有一个数组，您永远不需要在无效单元格中放置值，请使用前者。您始终可以使用 np.nan 和一些索引技术来复制复杂的操作，但这就是掩码数组的用途。
请记住，jrmyp 提到的奇怪 np.nan 行为包括意外结果，例如在使用 statsmodels（例如 ttest）或 numpy 模块（例如 average）的函数时。根据经验，这些函数中的大多数都有针对 NaN 的变通方法，但它有可能让您暂时发疯。这似乎是尽可能屏蔽数组的原因。
在 numpy 中有两种标记缺失值的方法：我可以使用 NaN 或 masked array。我知道使用 NaN（可能）更快，而掩码数组提供更多功能（哪个？）。
我想我的问题是我是否/什么时候应该使用一个而不是另一个？
np.NaN 在 regular array vs. a masked array 中的用例是什么？
我确定答案一定在那里，但我找不到...
据我了解，NaN 表示任何非数字的内容，而掩码数组标记缺失值或数字但对您的数据集无效的值。
希望对您有所帮助。
区别在于两个结构保存的数据。
使用regular array with np.nan，无效值后面没有数据。
使用 masked array，您可以初始化一个完整的数组，然后对其应用掩码，使某些值看起来无效。 numpy.ma 模块提供的方法使您不必处理 np.nan 行为（例如，np.nan == np.nan 始终是 False，等等）
如果您有一个数组，您永远不需要在无效单元格中放置值，请使用前者。您始终可以使用 np.nan 和一些索引技术来复制复杂的操作，但这就是掩码数组的用途。
请记住，jrmyp 提到的奇怪 np.nan 行为包括意外结果，例如在使用 statsmodels（例如 ttest）或 numpy 模块（例如 average）的函数时。根据经验，这些函数中的大多数都有针对 NaN 的变通方法，但它有可能让您暂时发疯。这似乎是尽可能屏蔽数组的原因。