根据一列中的值屏蔽 2D numpy 数组

Question

假设我有以下 numpy 数组：

a = [[1, 5, 6],
     [2, 4, 1],
     [3, 1, 5]]

我想屏蔽第一列中包含 1 的所有行。也就是说，我想

   [[--, --, --],
     [2, 4, 1],
     [3, 1, 5]]

使用 numpy 掩码数组操作可以做到这一点吗？一个人怎样才能做到呢？

谢谢。

Answer 1

import numpy as np

a = np.array([[1, 5, 6],
              [2, 4, 1],
              [3, 1, 5]])

np.ma.MaskedArray(a, mask=(np.ones_like(a)*(a[:,0]==1)).T)

# Returns: 
masked_array(data =
 [[-- -- --]
 [2 4 1]
 [3 1 5]],
             mask =
 [[ True  True  True]
 [False False False]
 [False False False]])

Answer 2

您可以通过以下方式创建所需的掩码

mask = numpy.repeat(a[:,0]==1, a.shape[1])

和掩码数组

masked_a = numpy.ma.array(a, mask=numpy.repeat(a[:,0]==1, a.shape[1]))

Answer 3

您可以简单地创建一个空掩码，然后使用 numpy-broadcasting （如 @eumiro 所示），但使用元素和按位“或”运算符 |：

>>> a = np.array([[1, 5, 6], [2, 4, 1], [3, 1, 5]])

>>> mask = np.zeros(a.shape, bool) | (a[:, 0] == 1)[:, None]

>>> np.ma.array(a, mask=mask)
masked_array(data =
 [[-- -- --]
 [2 4 1]
 [3 1 5]],
             mask =
 [[ True  True  True]
 [False False False]
 [False False False]],
       fill_value = 999999)

进一步解释：

>>> # select first column
>>> a[:, 0]  
array([1, 2, 3])

>>> # where the first column is 1
>>> a[:, 0] == 1  
array([ True, False, False], dtype=bool)

>>> # added dimension so that it correctly broadcasts to the empty mask
>>> (a[:, 0] == 1)[:, None]  
array([[ True],
       [False],
       [False]], dtype=bool)

>>> # create the final mask
>>> np.zeros(a.shape, bool) | (a[:, 0] == 1)[:, None]  
array([[ True,  True,  True],
       [False, False, False],
       [False, False, False]], dtype=bool)

这种方法的另一个优点是它不需要使用潜在昂贵的乘法或 np.repeat ，所以它应该相当快。