如果我有一个数组并且应用求和
arr = np.array([[1.,1.,2.],[2.,3.,4.],[4.,5.,6]])
np.sum(arr,axis=1)
我得到了三行的总数([4.,9.,15.])
我的麻烦是arr包含某些列索引之后可能不好的数据.我有一个整数数组,告诉我每行有多少个“好”值,并且我想对这些好值进行求和/平均.说：
ngoodcols=np.array([0,1,2])
np.sum(arr[:,0:ngoodcols],axis=1) # not legit but this is the idea
很清楚如何在循环中执行此操作,但是有一种方法可以只求出这么多的总和,而不用循环就产生[0.,2.,9.]？同样,如果我知道如何将列索引中的元素设置为大于b等于np.nan,则可以使用nansum,但是就切片而言,这几乎是等效的问题.
最佳答案
一种可能性是使用masked arrays：
import numpy as np
arr = np.array([[1.,6]])
ngoodcols = np.array([0,2])
mask = ngoodcols[:,np.newaxis] <= np.arange(arr.shape[1])
arr_masked = np.ma.masked_array(arr,mask)
print(arr_masked)
# [[-- -- --]
# [2.0 -- --]
# [4.0 5.0 --]]
print(arr_masked.sum(1))
# [-- 2.0 9.0]
请注意,在这里,当没有好的值时,您将得到一个“缺失”值,这可能对您有用也可能没有用.另外,带掩码的数组还使您可以轻松地执行仅适用于有效值(均值等)的其他操作.
另一个简单的选择是乘以掩码：
import numpy as np
arr = np.array([[1.,np.newaxis] <= np.arange(arr.shape[1])
print((arr * ~mask).sum(1))
# [0. 2. 9.]
在这里,您只会得到零.