В Numpy 1.4.1, что является простейшим или наиболее эффективным способом вычисления гистограммы маскированного массива? numpy.histogram и pyplot.hist по умолчанию подсчитывают маскированные элементы!
Единственное простое решение, о котором я сейчас думаю, связано с созданием нового массива с немасштабированным значением:
histogram(m_arr[~m_arr.mask])
Это не очень эффективно, поскольку это излишне создает новый массив. Я был бы рад прочитать о лучших идеях!
(Undeleting это согласно обсуждению выше...)
Я не уверен, считают ли разработчики numpy этой ошибкой или ожидаемым поведением. Я спросил в списке рассылки, поэтому, я думаю, мы увидим, что они говорят.
В любом случае это легко исправить. Патч numpy/lib/function_base.py для использования numpy.asanyarray, а не numpy.asarray на входах функции позволит ему правильно использовать маскированные массивы (или любой другой подкласс ndarray) без создания копии.
Изменить: похоже, это ожидаемое поведение. Как обсуждалось здесь:
Если вы хотите игнорировать маскированные данные, это просто при вызове дополнительной функции
Гистограмма (m_arr.compressed())
Я не думаю, что это делает дополнительная копия будет актуальной, потому что я предполагаю, что полный маскированный массив обработка внутренней гистограммы будет намного дороже.
Использование asanyarray также позволит матрицы в и других подтипах, которые может быть неправильно обработано гистограммы.
Для чего угодно, кроме сброса замаскированные наблюдения, это было бы необходимо выяснить, что определение маскированной матрицы гистограммы как указал Брюс.
Попробуйте hist(m_arr.compressed()).
Это очень старый вопрос, но в наши дни я просто использую:
numpy.histogram(m_arr, bins=.., range=.., density=False, weights=m_arr_mask)
Где m_arr_mask - массив с той же формой, что и m_arr, состоящий из 0 значений для элементов m_arr для исключения из гистограммы и 1 значения для элементов, которые должны быть включены.