1.3.3.3 面具数组（maskedarray）: 处理缺失值（的传播）

• 对于浮点不能用NaN，但是面具对所有类型都适用：

In [207]:

x = np.ma.array([1, 2, 3, 4], mask=[0, 1, 0, 1])
x

Out[207]:

masked_array(data = [1 -- 3 --],
             mask = [False  True False  True],
       fill_value = 999999)

In [208]:

y = np.ma.array([1, 2, 3, 4], mask=[0, 1, 1, 1])
x + y

Out[208]:

masked_array(data = [2 -- -- --],
             mask = [False  True  True  True],
       fill_value = 999999)

• 通用函数的面具版本：

In [209]:

np.ma.sqrt([1, -1, 2, -2])

Out[209]:

masked_array(data = [1.0 -- 1.4142135623730951 --],
             mask = [False  True False  True],
       fill_value = 1e+20)

注：有许多其他数组的兄弟姐妹

尽管这脱离了Numpy这章的主题，让我们花点时间回忆一下编写代码的最佳实践，从长远角度这绝对是值得的：

最佳实践

• 明确的变量名（不需要备注去解释变量里是什么）
• 风格：逗号后及＝周围有空格等。

在Python代码风格指南及文档字符串惯例页面中给出了相当数据量如何书写“漂亮代码”的规则（并且，最重要的是，与其他人使用相同的惯例!）。

• 除非在一些及特殊的情况下，变量名及备注用英文。