从Python int列表中初始化numpy masked array无值

Question

如问题Convert python list with None values to numpy array with nan values的回答所示，如果强制执行dtype = float，则可以直接从列表中使用None值初始化遮罩的numpy数组。这些浮点值转换为：南，我们可以简单地做：

ma.masked_invalid(np.array(a, dtype=float), copy=False) 

不过，这不会对INT喜欢的工作：

ma.masked_invalid(np.array(a, dtype=int), copy=False) 

因为中间np.array不会无值创建（没有int nan）。

什么是最有效的方式来初始化一个基于Python的蒙面数组列表，其中也包含无值的这些无值被掩盖的值的蒙面数组？

Answer 1

最优雅的解决方案我迄今为止发现的（并且它根本不是优雅的）是初始化类型为float的掩模阵列并将其转换为int后rwards：

ma.masked_invalid(np.array(a, dtype=float), copy=False).astype(int) 

这产生了适当的NP阵列，其中所述初始阵列a在None值被屏蔽。例如，对于：

a = [1, 2, 3, None, 4] 
ma.masked_invalid(np.array(a, dtype=float), copy=False).astype(int) 

我们得到：

masked_array(data = [1 2 3 -- 4], 
      mask = [False False False True False], 
     fill_value = 999999) 

而且，实际的蒙面INT值变得分钟INT，即

ma.masked_invalid(np.array(column, dtype=float), copy=False).astype(int).data 

给出：

array([     1,     2,     3, 
     -9223372036854775808,     4]) 

Answer 2

你不能，但你可以创建object dtype细胞

ma.masked_invalid(np.array(a, dtype=object), copy=False) 

编辑的numpy的阵列

否则你可以到这里看看NumPy or Pandas: Keeping array type as integer while having a NaN value