numpy中有一个掩码数组的概念，需要通过子模块numpy.ma来创建，基本的创建方式如下
>>> import numpy as np
>>> import numpy.ma as ma
>>> a = np.arange(5)
>>> a
array([0, 1, 2, 3, 4])
>>> b = ma.masked_array(a, mask = [1, 1, 1, 0, 0])
>>> b
masked_array(data = [-- -- -- 3 4],
mask = [ True True True False False],
fill_value = 999999)
>>> np.min(a)
0
>>> np.min(b)
3
所谓掩码，就是掩盖的意思。上述代码中，掩藏了数组的前3个元素，形成了一个新的掩码数组，在该掩码数组中，被掩藏的前3位用短横杠表示，对原始数组和对应的掩码数组同时求最小值，可以看到，掩码数组中只有未被掩藏的元素参与了计算。
掩码数组赋予了我们重新选择元素的权利，而不用改变矩阵的维度。在可视化领域，最典型的应用就是绘制三角热图，代码如下
import matplotlib.pyplot as plt import numpy as np import numpy.ma as ma data = np.random.rand(25 * 25).reshape(25, -1) mask = np.tri(data.shape[0], k= -1) data_masked = ma.array(data, mask=mask) fig, (ax1, ax2) = plt.subplots(1, 2) ax1.imshow(data) ax2.imshow(data_masked)
输出结果如下
通过掩码矩阵，可以轻松实现三角热图的绘制。在numpy.ma子模块中，还提供了多种创建掩码数组的方式，用法如下
>>> import numpy.ma as ma >>> a array([0, 1, 2, 3, 4]) # 等于2的元素被掩盖 >>> ma.masked_equal(a, 2) masked_array(data = [0 1 -- 3 4], mask = [False False True False False], fill_value = 2) # 不等于2的元素被掩盖 >>> ma.masked_not_equal(a, 2) masked_array(data = [-- -- 2 -- --], mask = [ True True False True True], fill_value = 999999) # 大于2的元素被掩盖 >>> ma.masked_greater(a, 2) masked_array(data = [0 1 2 -- --], mask = [False False False True True], fill_value = 999999) # 小于2的元素被掩盖 >>> ma.masked_less(a, 2) masked_array(data = [-- -- 2 3 4], mask = [ True True False False False], fill_value = 999999) # 大于等于2的元素被掩盖 >>> ma.masked_greater_equal(a, 2) masked_array(data = [0 1 -- -- --], mask = [False False True True True], fill_value = 999999) # 小于等于2的元素被掩盖 >>> ma.masked_less_equal(a, 2) masked_array(data = [-- -- -- 3 4], mask = [ True True True False False], fill_value = 999999) # 小于1大于3的元素被掩盖 >>> ma.masked_outside(a, 1, 3) masked_array(data=[--, 1, 2, 3, --], mask=[ True, False, False, False, True], fill_value=999999) # 大于等于1，小于等于3的元素被掩盖 >>> ma.masked_inside(a, 1, 3) masked_array(data=[0, --, --, --, 4], mask=[False, True, True, True, False], fill_value=999999)
利用掩码数组，可以方便的处理缺失值或者被污染的值，只需要将对应的元素掩码即可，更多的用法请查阅官方的API文档。
