反转 "numpy.ma.compressed" 操作

Question

我想从压缩的掩码数组和相应的掩码创建一个数组。用一个例子更容易解释这一点：

>>> x=np.ma.array(np.arange(4).reshape((2,2)), mask = [[True,True],[False,False]])
>>> y=x.compressed()
>>> y
array([ 2,  3])

现在我想创建一个与 x 形状相同的数组，其中掩码值获得标准值（例如 -1），其余部分填充给定数组。它应该像这样工作：

>>> z = decompress(y, mask=[[True,True],[False,False]], default=-1)
>>> z
array([[-1, -1],
       [ 2,  3]])

问题是：有没有类似"decompress"的方法，还是需要自己编码？在 Fortran 中，这是通过方法 "pack" 和 "unpack" 完成的。感谢您的任何建议。

Answer 1

虽然我已经回答了一些 ma 问题，但我绝不是这方面的专家。但我会探讨这个问题

让我们概括一下您的数组：

In [934]: x=np.ma.array(np.arange(6).reshape((2,3)), mask = [[True,True,False],[False,False,True]])
In [935]: x
Out[935]: 
masked_array(data =
 [[-- -- 2]
 [3 4 --]],
             mask =
 [[ True  True False]
 [False False  True]],
       fill_value = 999999)
In [936]: y=x.compressed()
In [937]: y
Out[937]: array([2, 3, 4])

y 除了值的子集外，没有关于 x 的信息。注意是 1d

x 将其值存储在 2 个数组中（实际上这些是访问基础 ._data、._mask 属性的属性）：

In [938]: x.data
Out[938]: 
array([[0, 1, 2],
       [3, 4, 5]])
In [939]: x.mask
Out[939]: 
array([[ True,  True, False],
       [False, False,  True]], dtype=bool)

我猜想 de-compress 我们需要用正确的数据类型、形状和掩码创建一个 empty 掩码数组，并将 y 的值复制到它的 data。但是 data 的掩码元素应该放入什么值呢？

或者另一种解决问题的方式 - 是否可以将值从 y 复制回 x？

一个可能的解决方案是将新值复制到 x[~x.mask]:

In [957]: z=2*y
In [958]: z
Out[958]: array([4, 6, 8])
In [959]: x[~x.mask]=z
In [960]: x
Out[960]: 
masked_array(data =
 [[-- -- 4]
 [6 8 --]],
             mask =
 [[ True  True False]
 [False False  True]],
       fill_value = 999999)
In [961]: x.data
Out[961]: 
array([[0, 1, 4],
       [6, 8, 5]])

或者创建一个新数组

In [975]: w=np.zeros_like(x)
In [976]: w[~w.mask]=y
In [977]: w
Out[977]: 
masked_array(data =
 [[-- -- 2]
 [3 4 --]],
             mask =
 [[ True  True False]
 [False False  True]],
       fill_value = 999999)
In [978]: w.data
Out[978]: 
array([[0, 0, 2],
       [3, 4, 0]])

另一种方法是创建一个常规数组，full 包含无效值，像这样复制 y，然后将整个数组变成一个屏蔽数组。可能存在一个掩码数组构造函数，它允许您仅指定有效值和掩码。但是我必须为此深入研究文档。

===============

将执行此操作的另一个操作序列，使用 np.place 设置值

In [1011]: w=np.empty_like(x)
In [1014]: np.place(w,w.mask,999)
In [1015]: np.place(w,~w.mask,[1,2,3])
In [1016]: w
Out[1016]: 
masked_array(data =
 [[-- -- 1]
 [2 3 --]],
             mask =
 [[ True  True False]
 [False False  True]],
       fill_value = 999999)
In [1017]: w.data
Out[1017]: 
array([[999, 999,   1],
       [  2,   3, 999]])

====================

看看

https://github.com/numpy/numpy/blob/master/numpy/ma/core.py 
class _MaskedBinaryOperation:

此class用于实现屏蔽ufunc。它评估有效单元格（非屏蔽）的 ufunc 和 returns 一个具有有效单元格的新屏蔽数组，使屏蔽值保持不变（与原始）

例如，对于一个简单的掩码数组，+1 不会更改掩码值。

In [1109]: z=np.ma.masked_equal([1,0,2],0)
In [1110]: z
Out[1110]: 
masked_array(data = [1 -- 2],
             mask = [False  True False],
       fill_value = 0)
In [1111]: z.data
Out[1111]: array([1, 0, 2])
In [1112]: z+1
Out[1112]: 
masked_array(data = [2 -- 3],
             mask = [False  True False],
       fill_value = 0)
In [1113]: _.data
Out[1113]: array([2, 0, 3])
In [1114]: z.compressed()+1
Out[1114]: array([2, 3])

_MaskedUnaryOperation 可能更容易理解，因为它只需要使用 1 个掩码数组。

例如，常规日志在屏蔽 0 值方面存在问题：

In [1115]: z.log()
...
/usr/local/bin/ipython3:1: RuntimeWarning: divide by zero encountered in log
  #!/usr/bin/python3
Out[1116]: 
masked_array(data = [0.0 -- 0.6931471805599453],
             mask = [False  True False],
       fill_value = 0)

但屏蔽日志跳过屏蔽条目:

In [1117]: np.ma.log(z)
Out[1117]: 
masked_array(data = [0.0 -- 0.6931471805599453],
             mask = [False  True False],
       fill_value = 0)
In [1118]: _.data
Out[1118]: array([ 0.        ,  0.        ,  0.69314718])

糟糕 - _MaskedUnaryOperation 可能没那么有用。它在所有值 np.ma.getdata(z) 处评估 ufunc，并使用 errstate 上下文来阻止警告。然后它使用掩码将掩码值复制到结果 (np.copyto(result, d, where=m))。

反转 "numpy.ma.compressed" 操作

Inverting the "numpy.ma.compressed" operation

python

numpy

masked-array