Python-maskierte Arrays, die NaNs mit np.array erzeugen

Question

Ich versuche, eine Teilmenge eines größeren Gitters auszuwählen, um eine Finite-Elemente-Analyse durchzuführen, um zwischen zwei Arrays zu iterieren; ein maskiertes Array und ein unmaskiertes Array, aber ich bin auf ein Problem von NaNs gestoßen, die von der Maske erscheinen, wenn np.arrays verwendet werden. Ich verwendete ursprünglich Masken hier, um zu versuchen vermeiden NaN Probleme einschließlich NaN == NaN (False) etc ... aber die Maske selbst scheint NaNs zu erstellen, wenn mit np.arrays verwendet!

Arrays Koordinate über iterieren:

array = np.array(list(np.arange(5))*5).reshape(5,5) 
big_array = np.array([array,array,array]) 

anwenden Masken auf den Koordinaten Arrays:

mask1 = np.ma.masked_array(big_array, mask = (big_array>2)) 
mask2 = np.ma.masked_array(big_array, mask = (big_array>3)) 

Iterierte über die Koordinatenfelder für die maskierte vs. demaskiert Vergleich:

for i in range(5): 
    for j in range(5): 
      array_group = np.array([ big_array[0,i,j], big_array[1,i,j] ]) 
      array_group2 = np.array([ mask1[0,i,j], mask2[1,i,j] ]) 
      print array_group 

^^ kein NaNs von array_group aber .. ^^^

 print array_group2 

NaNs erscheinen für die maskierte array_group2 er re

Answer 1

In Ihren Daten Ihre mask1 Ausgänge:

[[[0 1 2 -- --] 
    [0 1 2 -- --] 
    [0 1 2 -- --] 
    [0 1 2 -- --] 
    [0 1 2 -- --]] 

[[0 1 2 -- --] 
    [0 1 2 -- --] 
    [0 1 2 -- --] 
    [0 1 2 -- --] 
    [0 1 2 -- --]] 

[[0 1 2 -- --] 
    [0 1 2 -- --] 
    [0 1 2 -- --] 
    [0 1 2 -- --] 
    [0 1 2 -- --]]] 

Die kleinen Striche sind die maskierten Daten, die die nan Werte erscheinen lassen. Wie das zu beheben ... Ich glaube, es hängt davon ab, wie Sie diese Daten behandeln möchten: Ersetzen Sie diese Striche durch 0, False, löschen Sie sie ... was auch immer.