Вы можете просто создать пустую маску, а затем использовать NumPy-вещание (как @eumiro), но с использованием элемента и побитового «или» оператора |
:
>>> 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)
немного дальше объяснение: далее
>>> # 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)
Одним из преимуществ такого подхода заключается в том, что не нужно использовать потенциально дорогие умножений или np.repeat
поэтому она должна быть достаточно быстро.
Спасибо за ответ Свен! Я новичок в numpy и не знал о методе повтора. Посмотрим. – Curious2learn