将 += 与 numpy.array 和 numpy.ma.array 一起使用的奇怪行为
Odd behavior of using += with numpy.array and numpy.ma.array
任何人都可以向我解释以下结果吗？
我知道这不是通常执行此操作的方式，但我发现此结果很奇怪。
import numpy as np
a = np.ma.masked_where(np.arange(20)>10,np.arange(20))
b = np.ma.masked_where(np.arange(20)>-1,np.arange(20))
c = np.zeros(a.shape)
d = np.zeros(a.shape)
c[~a.mask] += b[~a.mask]
print(b[~a.mask])
#masked_array(data=[--, --, --, --, --, --, --, --,--, --, --],
# mask=[ True, True, True, True, True, True, True, True, True, True, True],
# fill_value=999999,
# dtype=int64)
print(c)
#[ 0. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
d[~a.mask] = d[~a.mask] + b[~a.mask]
print(d)
#[0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
我预计 c 不会改变，但我想这里发生了一些与内存中的对象相关的事情。此外，+= 保留原始对象，而 = 和 + 创建新的 d.
我只是不太明白添加到 c 的数据来自哪里。
我将从一个更简单的示例开始，以便更好地理解：
b = np.ma.masked_where(np.arange(20)>-1,np.arange(20))
#b: [-- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- --]
#b.data: [ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19]
c = np.zeros(b.shape)
#c: [0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
d = np.zeros(b.shape)
#d: [0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
c += b
#c: [ 0. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19.]
d = d + b
#d: [-- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- --]
#d.data: [0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
第一个操作 c += b 是一个 in-place 操作。换句话说，它等同于 c = type(c).__iadd__(c, b) 根据 c 的类型进行加法运算，而 c 不是掩码数组，因此 b 的数据用作未掩码。
另一方面，d = d + b 等同于 d = np.MaskedArray.__add__(d, b)（更具体地说，由于掩码数组是 ndarrays 的子类，它使用 __radd__）并且是 不是 in-place 赋值。这意味着它创建一个新对象并在添加时使用等式右侧的更宽类型，因此将 d（这是一个未屏蔽数组）转换为屏蔽数组（因为 b 是一个屏蔽数组），因此，加法仅使用有效值（在本例中有 none，因为 b 的所有元素都被屏蔽且无效）。这导致掩码数组 d 与 b 具有相同的掩码，而 d 的数据保持不变。
这种行为差异不是 Numpy 特有的，也适用于 python 本身。 OP 问题中提到的案例具有类似的行为，正如@alaniwi 在评论中提到的那样，带有掩码 a 的布尔索引并不是该行为的基础。使用 a 来屏蔽 b、c 和 d 的元素只是通过 a 限制对屏蔽元素的赋值（而不是数组的所有元素）仅此而已。
为了让事情更有趣，实际上更清楚，让我们交换 b 和 d 在右侧的位置：
e = np.zeros(b.shape)
#e: [0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
e = b + e
#e: [-- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- --]
#e.data: [ 0. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19.]
请注意，与 d = d + b 类似，右侧使用掩码数组 __add__ 函数，因此输出是一个掩码数组，但由于您将 e 添加到 b (a.k.a e = np.MaskedArray.__add__(b, e))，返回 b 的屏蔽数据，而在 d = d + b 中，您将 b 添加到 d ] 返回 d 的数据。
任何人都可以向我解释以下结果吗？ 我知道这不是通常执行此操作的方式，但我发现此结果很奇怪。
import numpy as np
a = np.ma.masked_where(np.arange(20)>10,np.arange(20))
b = np.ma.masked_where(np.arange(20)>-1,np.arange(20))
c = np.zeros(a.shape)
d = np.zeros(a.shape)
c[~a.mask] += b[~a.mask]
print(b[~a.mask])
#masked_array(data=[--, --, --, --, --, --, --, --,--, --, --],
# mask=[ True, True, True, True, True, True, True, True, True, True, True],
# fill_value=999999,
# dtype=int64)
print(c)
#[ 0. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
d[~a.mask] = d[~a.mask] + b[~a.mask]
print(d)
#[0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
我预计 c 不会改变，但我想这里发生了一些与内存中的对象相关的事情。此外，+= 保留原始对象，而 = 和 + 创建新的 d.
我只是不太明白添加到 c 的数据来自哪里。
我将从一个更简单的示例开始，以便更好地理解：
b = np.ma.masked_where(np.arange(20)>-1,np.arange(20))
#b: [-- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- --]
#b.data: [ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19]
c = np.zeros(b.shape)
#c: [0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
d = np.zeros(b.shape)
#d: [0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
c += b
#c: [ 0. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19.]
d = d + b
#d: [-- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- --]
#d.data: [0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
第一个操作 c += b 是一个 in-place 操作。换句话说，它等同于 c = type(c).__iadd__(c, b) 根据 c 的类型进行加法运算，而 c 不是掩码数组，因此 b 的数据用作未掩码。
另一方面，d = d + b 等同于 d = np.MaskedArray.__add__(d, b)（更具体地说，由于掩码数组是 ndarrays 的子类，它使用 __radd__）并且是 不是 in-place 赋值。这意味着它创建一个新对象并在添加时使用等式右侧的更宽类型，因此将 d（这是一个未屏蔽数组）转换为屏蔽数组（因为 b 是一个屏蔽数组），因此，加法仅使用有效值（在本例中有 none，因为 b 的所有元素都被屏蔽且无效）。这导致掩码数组 d 与 b 具有相同的掩码，而 d 的数据保持不变。
这种行为差异不是 Numpy 特有的，也适用于 python 本身。 OP 问题中提到的案例具有类似的行为，正如@alaniwi 在评论中提到的那样，带有掩码 a 的布尔索引并不是该行为的基础。使用 a 来屏蔽 b、c 和 d 的元素只是通过 a 限制对屏蔽元素的赋值（而不是数组的所有元素）仅此而已。
为了让事情更有趣，实际上更清楚，让我们交换 b 和 d 在右侧的位置：
e = np.zeros(b.shape)
#e: [0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
e = b + e
#e: [-- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- --]
#e.data: [ 0. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19.]
请注意，与 d = d + b 类似，右侧使用掩码数组 __add__ 函数，因此输出是一个掩码数组，但由于您将 e 添加到 b (a.k.a e = np.MaskedArray.__add__(b, e))，返回 b 的屏蔽数据，而在 d = d + b 中，您将 b 添加到 d ] 返回 d 的数据。