NumPy - 屏蔽数组上的更快操作？

Question

我有一个 numpy 数组：

import numpy as np
arr = np.random.rand(100)

如果我想找到它的最大值，我会运行np.amax ，它在我的机器上np.amax运行155,357次。

但是，由于某些原因，我不得不掩盖它的一些值。 例如，让我们只屏蔽一个单元格：

import numpy.ma as ma
arr = ma.masked_array(arr, mask=[0]*99 + [1])

现在，找到最大值要慢得多，每秒运行26,574次。

这仅是非屏蔽阵列上此操作速度的17% 。

例如，其他操作是subtract 、 add和multiply 。 尽管在掩码数组上，它们对ALL OF THE VALUES 进行操作，但与非掩码数组相比，速度仅为4% (15,343/497,663)

我正在寻找一种更快的方法来对这样的掩码数组进行操作，无论是否使用 numpy。

（我需要在真实数据上运行它，它是多维数组和数百万个单元格）

Answer 1

MaskedArray是基础 numpy ndarray的子类。 它没有自己的编译代码。 详细看numpy/ma/目录，或者主文件：

/usr/local/lib/python3.6/dist-packages/numpy/ma/core.py

掩码数组必须具有关键属性， data和mask ，一个是您用来创建它的数据数组，另一个是相同大小的布尔数组。

所以所有的操作都必须考虑到这两个数组。 它不仅要计算新data ，还要计算新mask 。

它可以采用几种方法（取决于操作）：

• 按原样使用data

• 使用压缩data - 删除屏蔽值的新数组

• 使用填充data ，其中，所述掩蔽值被替换fillvalue或某些无害的值（例如0时做另外，1做乘法时）。

屏蔽值的数量，0 或全部，几乎没有差异，如果有的话，就是速度。

所以你看到的速度差异并不奇怪。 有很多额外的计算正在进行。 ma.core.py文件说这个包最初是在 numpy 之前开发的，并在 2005 年左右合并到numpy 。虽然已经进行了一些更改以使其保持最新状态，但我认为它没有被显着修改。

这是np.ma.max方法的代码：

def max(self, axis=None, out=None, fill_value=None, keepdims=np._NoValue):

    kwargs = {} if keepdims is np._NoValue else {'keepdims': keepdims}

    _mask = self._mask
    newmask = _check_mask_axis(_mask, axis, **kwargs)
    if fill_value is None:
        fill_value = maximum_fill_value(self)
    # No explicit output
    if out is None:
        result = self.filled(fill_value).max(
            axis=axis, out=out, **kwargs).view(type(self))
        if result.ndim:
            # Set the mask
            result.__setmask__(newmask)
            # Get rid of Infs
            if newmask.ndim:
                np.copyto(result, result.fill_value, where=newmask)
        elif newmask:
            result = masked
        return result
    # Explicit output
    ....

关键步骤是

fill_value = maximum_fill_value(self)  # depends on dtype
self.filled(fill_value).max(
            axis=axis, out=out, **kwargs).view(type(self))

您可以尝试filled以查看数组会发生什么。

In [40]: arr = np.arange(10.)                                                                                        
In [41]: arr                                                                                                         
Out[41]: array([0., 1., 2., 3., 4., 5., 6., 7., 8., 9.])
In [42]: Marr = np.ma.masked_array(arr, mask=[0]*9 + [1])                                                            
In [43]: Marr                                                                                                        
Out[43]: 
masked_array(data=[0.0, 1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0, --],
             mask=[False, False, False, False, False, False, False, False,
                   False,  True],
       fill_value=1e+20)
In [44]: np.ma.maximum_fill_value(Marr)                                                                              
Out[44]: -inf
In [45]: Marr.filled()                                                                                               
Out[45]: 
array([0.e+00, 1.e+00, 2.e+00, 3.e+00, 4.e+00, 5.e+00, 6.e+00, 7.e+00,
       8.e+00, 1.e+20])
In [46]: Marr.filled(_44)                                                                                            
Out[46]: array([  0.,   1.,   2.,   3.,   4.,   5.,   6.,   7.,   8., -inf])
In [47]: arr.max()                                                                                                   
Out[47]: 9.0
In [48]: Marr.max()                                                                                                  
Out[48]: 8.0