在你最后一种情况:
In [197]: bs=b1.sum()
In [198]: bs.data
Out[198]: array(0.0)
In [199]: bs.mask
Out[199]: array(True, dtype=bool)
In [200]: repr(bs)
Out[200]: 'masked'
In [201]: str(bs)
Out[201]: '--'
如果我指定keepdims
,我得到一个不同的数组:
In [208]: bs=b1.sum(keepdims=True)
In [209]: bs
Out[209]:
masked_array(data = [--],
mask = [ True],
fill_value = 999999)
In [210]: bs.data
Out[210]: array([0])
In [211]: bs.mask
Out[211]: array([ True], dtype=bool)
这里的相关的在sum
代码的蚂蚁部分:
def sum(self, axis=None, dtype=None, out=None, keepdims=np._NoValue):
kwargs = {} if keepdims is np._NoValue else {'keepdims': keepdims}
_mask = self._mask
newmask = _check_mask_axis(_mask, axis, **kwargs)
# No explicit output
if out is None:
result = self.filled(0).sum(axis, dtype=dtype, **kwargs)
rndim = getattr(result, 'ndim', 0)
if rndim:
result = result.view(type(self))
result.__setmask__(newmask)
elif newmask:
result = masked
return result
....
这是产生在你的情况masked
值
newmask = np.ma.core._check_mask_axis(b1.mask, axis=None)
...
elif newmask: result = masked
线。 newmask
在所有值都被屏蔽的情况下为真,而False则不是。返回np.ma.masked
的选择是故意的。
计算的核心是:
In [218]: b1.filled(0).sum()
Out[218]: 0
的代码的其余部分决定是否返回一个标量或掩蔽的阵列。
============
而且为你增加:
In [232]: np.ma.masked+3
Out[232]: masked
它看起来像np.ma.masked
是传播本身横跨计算一个特殊的数组。有点像np.nan
。
我预计要返回一个标值,而不是一个数组(它已经结束了,我找所有尺寸的总和)。 – orange
我加了'sum'代码的相关部分。我可以理解,为什么当输入被完全屏蔽时,返回值可能会有一些不明确的地方。关于这是否正确,我不知道任何辩论。如果你不喜欢这个结果,你可以将总和应用于'b.filled(0)'。 – hpaulj
看起来像推理是'如果所有值都被屏蔽了,它就不能给出正确的标量值(即使总和的起始值为0)'。 – hpaulj