numpy.ma.MaskedArray 如何处理缺失值计算而不污染结果

MaskedArray 的缺失值通过独立 mask 数组标记而非替换，计算自动跳过掩码项；聚合默认跳过且不可关闭 skipna；混合运算时 mask 按逻辑或传播；导出需用 filled(np.nan) 或 compressed()，禁用 data。

MaskedArray 的缺失值本质是屏蔽而非删除

MaskedArray 不会把 masked 值替换成 np.nan 或 None，而是用一个独立的 mask 数组标记哪些位置“不可参与计算”。这意味着：加减乘除、聚合函数（如 mean()、std()）默认自动跳过被掩码的位置——这是它不污染结果的根本机制。

常见错误是手动用 np.where 或布尔索引提前过滤，这会丢失原始数组结构（比如打乱索引对齐），反而导致后续广播或 shape 匹配出错。

聚合时必须确认 axis 和 skipna 行为

MaskedArray 的 .mean()、.sum() 等方法默认跳过掩码项，但行为受两个参数控制：

• axis=None（默认）：全数组聚合，返回标量；若全被掩码，结果为 masked
• axis=0 或 axis=1：按轴聚合，对应轴上若全掩码，该位置结果为 masked，不是 np.nan
• 没有 skipna=True/False 参数——它不像 pandas.Series.mean(skipna=False) 那样可选；掩码即跳过，不可关闭

示例：

import numpy as np
a = np.ma.array([1, 2, 3, 4], mask=[False, False, True, False])
print(a.mean())  # 输出：2.333...（即 (1+2+4)/3）
print(a.sum(axis=0))  # 同样跳过第2个元素

与普通 ndarray 混合运算时 mask 会传播

只要参与运算的一方是 MaskedArray，结果自动转为 MaskedArray，且 mask 按逻辑或合并：

• ma + ndarray → 结果 mask = ma.mask | (ndarray == np.nan)？不，ndarray 无 mask，所以结果 mask = ma.mask
• ma1 + ma2 → 结果 mask = ma1.mask | ma2.mask
• 但注意：ma / 0 会产生 masked 值，而 ma / np.array([1,0,1,1]) 中分母为 0 的位置也会被加入 mask

这避免了因除零或无效运算污染数值，但容易忽略：你以为只掩了原始缺失，实际运算过程新增了掩码。

导出为纯数值前必须显式处理 masked 值

想把结果喂给不支持 mask 逻辑的库（如 scikit-learn 训练器、matplotlib.pyplot.plot），不能直接用 .data——它返回底层 ndarray，含原始填充值（默认是 1e20 或你指定的 fill_value），会严重污染。

正确做法是：

• 用 a.filled(np.nan) 转成含 np.nan 的普通数组（推荐，语义清晰）
• 或 a.compressed() 只取未掩码值（适合一维统计，但丢弃结构）
• 避免 a.data 直接使用，除非你明确知道 fill_val

  

  ue 且下游能识别它

特别注意：filled() 不改变原数组，只是视图转换；compressed() 返回新数组且降维（永远是一维）。

最易被忽略的是：在链式计算中多次调用 filled() 可能掩盖 mask 传播问题；应尽量在最终输出前统一处理，中间全程保留 MaskedArray 类型。