Wie ignoriert man Werte bei Verwendung von numpy.sum und numpy.mean in Matrizen

Question

Gibt es eine Möglichkeit zu vermeiden, bestimmte Werte zu verwenden, wenn Sie Summe und Mittelwert in numpy anwenden?

Ich möchte zum Beispiel den Wert -999 bei der Berechnung des Ergebnisses vermeiden.

In [14]: c = np.matrix([[4., 2.],[4., 1.]]) 

In [15]: d = np.matrix([[3., 2.],[4., -999.]]) 

In [16]: np.sum([c, d], axis=0) 
Out[16]: 
array([[ 7., 4.], 
     [ 8., -998.]]) 

In [17]: np.mean([c, d], axis=0) 
Out[17]: 
array([[ 3.5, 2. ], 
     [ 4. , -499. ]]) 

Answer 1

Eine Möglichkeit ist, den spezifischen Wert mit np.nan und verwenden Sie dann numpy.nansum und numpy.nanmean wie kommentiert von @sk zu ersetzen:

import numpy as np 
def nan_if(arr, value): 
    return np.where(arr == value, np.nan, arr) 

np.nansum([nan_if(c, -999), nan_if(d, -999)], axis=0) 
#array([[ 7., 4.], 
#  [ 8., 1.]]) 

np.nanmean([nan_if(c, -999), nan_if(d, -999)], axis=0) 
#array([[ 3.5, 2. ], 
#  [ 4. , 1. ]]) 

Answer 2

Verwenden Sie eine maskierte Array:

>>> c = np.ma.array([[4., 2.], [4., 1.]]) 
>>> d = np.ma.masked_values([[3., 2.], [4., -999]], -999) 

>>> np.ma.array([c, d]).sum(axis=0) 
masked_array(data = 
[[7.0 4.0] 
[8.0 1.0]], 
      mask = 
[[False False] 
[False False]], 
     fill_value = 1e+20) 

>>> np.ma.array([c, d]).mean(axis=0) 
masked_array(data = 
[[3.5 2.0] 
[4.0 1.0]], 
      mask = 
[[False False] 
[False False]], 
     fill_value = 1e+20)