将 += 与 numpy.array 和 numpy.ma.array 一起使用的奇怪行为

Question

谁能向我解释以下结果？我知道这不是通常执行此操作的方式，但我发现此结果很奇怪。import numpy as npa = np.ma.masked_where(np.arange(20)>10,np.arange(20))b = np.ma.masked_where(np.arange(20)>-1,np.arange(20))c = np.zeros(a.shape)d = np.zeros(a.shape)c[~a.mask] += b[~a.mask]print(b[~a.mask])#masked_array(data=[--, --, --, --, --, --, --, --,--, --, --],#             mask=[ True,  True,  True,  True,  True,  True,  True,  True, True,  True,  True],#       fill_value=999999,#            dtype=int64)print(c)#[ 0.  1.  2.  3.  4.  5.  6.  7.  8.  9. 10.  0.  0.  0.  0. 0.  0.  0.  0.  0.]d[~a.mask] = d[~a.mask] + b[~a.mask]print(d)#[0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]我预计c不会改变，但我想这里发生了一些与内存中的对象相关的事情。此外，+=保留原始对象，同时=创建+一个新的d.我只是不太明白添加到c.

Answer 1

我将从一个更简单的示例开始，以便更好地理解：

b = np.ma.masked_where(np.arange(20)>-1,np.arange(20))

#b: [-- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- --]

#b.data: [ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19]

c = np.zeros(b.shape)

#c: [0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]

d = np.zeros(b.shape)

#d: [0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]

c += b

#c: [ 0.  1.  2.  3.  4.  5.  6.  7.  8.  9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19.]

d = d + b

#d: [-- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- --]

#d.data: [0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]

第一个操作c += b是就地操作。换句话说，它等效于c = type(c).__iadd__(c, b)which 根据 的类型进行加法c，这不是屏蔽数组，因此 的数据用作b未屏蔽的。

另一方面，d = d + b等同于d = np.MaskedArray.__add__(d, b)（更具体地说，由于屏蔽数组是 ndarray 的子类，它使用__radd__）并且不是就地赋值。这意味着它创建一个新对象并在添加时使用等式右侧的更宽类型，因此将 d （这是一个未屏蔽的数组）转换为屏蔽数组（因为它是一个屏蔽数组），因此加法使用b有效仅值（在本例中没有值，因为所有元素都b被屏蔽且无效）。这会产生一个掩码数组，其掩码与数据保持不变时d相同。bd

这种行为差异不是 Numpy 特有的，也适用于 python 本身。OP 问题中提到的案例具有类似的行为，正如@alaniwi 在评论中提到的那样，带有掩码的布尔索引a并不是该行为的基础。使用a屏蔽b, ,c和的元素d只是限制对被屏蔽元素的赋值a（而不是数组的所有元素），仅此而已。

为了使事情更有趣，实际上更清晰，让我们切换右侧的b和的位置：d

e = np.zeros(b.shape)

#e: [0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]

e = b + e

#e: [-- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- --]

#e.data: [ 0.  1.  2.  3.  4.  5.  6.  7.  8.  9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19.]

请注意，与 类似d = d + b，右侧使用掩码数组__add__函数，因此输出是一个掩码数组，但由于您要添加e到b(aka e = np.MaskedArray.__add__(b, e))，因此返回的掩码数据b，而在 中d = d + b，您将添加b到d和数据d被退回。