为三维阵列创建布尔遮罩

Question

我有一个大小为[2000x7200x40]（我们称之为precip）的3D numpy数组，我想将某些值（-9999）隐藏起来，以便从scipy.mstats.rankdata(precip,axis=2,use_missing=False)分类中排除。你知道吗

把数据想象成：

[-9999, 2, 3, 5, -9999
       4, 7, -9999, 6]...

我这样做基本上是不成功的；似乎大多数np.ma函数（如np.ma.masked_invalid）只适用于一维数组。你知道吗

时间序列（z）中的每个数组的-9999值可能不同。你知道吗

我尝试过numpy函数，例如：

 #mask the -9999 values out
   mask = np.empty_like(precip)
   mask = ~(precip == -9999).all(axis=2,keepdims=True)

然后用mask = [numpy.newaxis,:,:]将其广播到三维阵列

然而，这将导致一个2000x7200x1数组，当与precip相乘时抛出一个维度错误，因为它需要一个维度为40的数组。你知道吗

是否有一些简单的函数或代码，我忽略了这将很容易为我做到这一点？谢谢你的帮助！你知道吗

Answer 1

所以，我最终完全放弃了mstats排名方法；当一整行都被屏蔽时，它就会停止。你知道吗

最后我使用了上面的屏蔽码： mask = ~(precip == -9999).all(axis=2, keepdims=True)

在apply_along_axis(lambda a: scipy.stats.ranking(a), axis=2, precip))方法之后

然后ranks = ranks*mask做了一个技巧来掩盖降水数据中总是-9999的值。你知道吗

希望这能帮助那些对mstats.ranking感到困惑的人在将来回吐一个0-D数组错误。这个scipy.stats.排名模块似乎也比scipy.mstats.排名作为额外的奖励模块。你知道吗

Answer 2

你绝对可以使用屏蔽多维数组。但是，必须确保掩码和数据的大小相同。你知道吗

>>> mask = ~(precip == -9999).all(axis=2, keepdims=True)
>>> mask.shape
(2000, 7200, 1)
>>> repeated_mask = np.repeat(mask, precip.shape[-1], axis=-1) # Ensure same shape
>>> repeated_mask.shape == precip.shape
True
>>> ma = np.ma.masked_array(precip, mask=repeated_mask)
>>> ma.shape == precip.shape
True

请注意，只要不使用np.newaxis添加一个额外的轴，就可以将掩码与原始数据数组相乘而不会出现问题。np.all的keepdims=True参数意味着维度的数量是相同的，因此mask可以直接与precip相乘，这是由于Numpy's broadcasting机制。例如：

>>> mask = ~(precip == -9999).all(axis=2, keepdims=True)
>>> mask.shape
(2000, 7200, 1)
>>> (precip * mask).shape == precip.shape # `mask` will be broadcast to the shape of `precip`
True