5

我注意到numpy masked-array mean 方法可能不应该返回不同的类型：

import numpy as np

A = np.ma.masked_equal([1,1,0], value=0)
B = np.ma.masked_equal([1,1,1], value=0) # no masked values

type(A.mean())
#numpy.float64
type(B.mean())
#numpy.ma.core.MaskedArray

其他numpy.ma.core.MaskedArray方法似乎是一致的

type( A.sum()) == type(B.sum())
# True
type( A.prod()) == type(B.prod())
# True
type( A.std()) == type(B.std())
# True
type( A.mean()) == type(B.mean())
# False

有人可以解释一下吗？

更新：正如评论中指出的那样

C = np.ma.masked_array([1, 1, 1], mask=[False, False, False])
type(C.mean()) == type(A.mean())
# True
4

1 回答 1

1

B.mask以。。开始：

    if self._mask is nomask:
        result = super(MaskedArray, self).mean(axis=axis, dtype=dtype)

np.ma.nomask是False。

这是您的情况B：

masked_array(data = [1 1 1],
             mask = False,
       fill_value = 0)

因为掩码是一个与in 大小A匹配的数组。data其中B，它是一个标量，False，并将mean其作为特殊情况处理。

我需要进一步挖掘以了解这意味着什么。

In [127]: np.mean(B)
Out[127]: 
masked_array(data = 1.0,
             mask = False,
       fill_value = 0)

In [141]: super(np.ma.MaskedArray,B).mean()
Out[141]: 
masked_array(data = 1.0,
             mask = False,
       fill_value = 0)

我不确定这是否有帮助；np.ndarray方法与np函数和方法之间存在一些循环引用np.ma，这使得很难准确识别正在使用的代码。它就像使用编译的mean方法一样，但它如何处理掩码并不明显。

我想知道是否意图是使用

 np.mean(B.data) # or
 B.data.mean()

并且super方法 fetch 不是正确的方法。

在任何情况下，相同的数组，但带有向量掩码返回标量。

In [132]: C
Out[132]: 
masked_array(data = [1 1 1],
             mask = [False False False],
       fill_value = 0)

In [133]: C.mean()
Out[133]: 1.0

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

在没有快捷方式的情况下尝试此方法nomask，之后会引发错误

        dsum = self.sum(axis=axis, dtype=dtype)
        cnt = self.count(axis=axis)
        if cnt.shape == () and (cnt == 0):
            result = masked
        else:
            result = dsum * 1. / cnt

self.count在这种情况下返回一个标量nomask，但np.int32在常规掩码中返回一个。所以cnt.shape窒息。

trace是唯一尝试此super(MaskedArray...)“快捷方式”的其他蒙面方法。平均代码显然有些笨拙。

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

相关错误问题：https ://github.com/numpy/numpy/issues/5769

据此，去年在这里提出了同样的问题：Testing equivalence of mean of Numpy MaskedArray instances raises attribute error

看起来有很多掩蔽问题，而不仅仅是mean. 开发大师现在或不久的将来可能会有修复。

于 2016-07-02T22:15:05.007 回答