Метод numpy.ma (masked) имеет средние значения несоответствующего типа
Я заметил, что метод numpy masked-array mean возвращает разные типы, когда он, вероятно, не должен:
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 Другие методы numpy.ma.core.MaskedArray кажутся согласованными
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
Может кто-нибудь объяснить это?
ОБНОВЛЕНИЕ: Как указано в комментариях
C = np.ma.masked_array([1, 1, 1], mask=[False, False, False]) type(C.mean()) == type(A.mean()) # True
One Solution collect form web for “Метод numpy.ma (masked) имеет средние значения несоответствующего типа”
B.mask начинается с:
if self._mask is nomask: result = super(MaskedArray, self).mean(axis=axis, dtype=dtype)
np.ma.nomask – False .
Это относится к вашему B :
masked_array(data = [1 1 1], mask = False, fill_value = 0)
Для A маска представляет собой массив, который соответствует data в размере. В B это скаляр, False и mean что это особый случай.
Мне нужно копать немного больше, чтобы понять, что это значит.
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)
Я не уверен, что помогает; существует некоторая циклическая ссылка между методами np.ndarray и np функцией и методами np.ma , что затрудняет точное определение того, какой код используется. Это похоже на использование скомпилированного mean метода, но не очевидно, как это обрабатывает маскирование.
Интересно, стоит ли использовать
np.mean(B.data) # or B.data.mean()
и super метода не является правильным подходом.
В любом случае один и тот же массив, но с векторной маской возвращает скаляр.
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
====================
nomask этот метод без ярлыка nomask , вызывает ошибку после
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 возвращает скаляр в случае nomask , но np.int32 в регулярной маскировке. Таким образом, cnt.shape задыхается.
trace – единственный другой маскированный метод, который пытается использовать этот super(MaskedArray...) . Очевидно, что что-то клочковое о среднем коде.
====================
Актуальная проблема с ошибкой: https://github.com/numpy/numpy/issues/5769
В соответствии с этим тот же вопрос был поднят здесь в прошлом году: Тестирование эквивалентности средств экземпляров Numpy MaskedArray повышает ошибку атрибута
Похоже, что есть много проблем маскировки, а не только со mean . В настоящее время могут быть исправления в мастере разработки или в ближайшем будущем.