我尝试从具有NoData值的数组中检索百分位数。在我的情况下，Nodata值由-3.40282347e + 38表示。我认为带掩码的数组会将这些值排除在进一步的计算之外。我成功创建了被遮罩的数组，但是对于np.percentile（）函数，遮罩无效。

>>> DataArray = np.array(data)
>>> DataArray

([[ value, value...]], dtype=float32)

>>> masked_data = ma.masked_where(DataArray < 0, DataArray)
>>> p5 = np.percentile(masked_data, 5)
>>> print p5

 -3.40282347e+38

解决方案

看一下np.percentile代码，很明显，它对掩码数组没有什么特别的。

def percentile(a, q, axis=None, out=None,
               overwrite_input=False, interpolation='linear', keepdims=False):
    q = array(q, dtype=np.float64, copy=True)
    r, k = _ureduce(a, func=_percentile, q=q, axis=axis, out=out,
                    overwrite_input=overwrite_input,
                    interpolation=interpolation)
    if keepdims:
        if q.ndim == 0:
            return r.reshape(k)
        else:
            return r.reshape([len(q)] + k)
    else:
        return r

其中_ureduce和_percentile是在中定义的内部函数 numpy/lib/function_base.py。因此，实际动作更加复杂。

掩码数组有两种使用numpy函数的策略。一种是fill-用无害的值替换掩码值，例如，求和时为0，做乘积时为1。另一个是compress数据-即删除所有掩码值。

例如：

In [997]: data=np.arange(-5,10)
In [998]: mdata=np.ma.masked_where(data<0,data)

In [1001]: np.ma.filled(mdata,0)
Out[1001]: array([0, 0, 0, 0, 0, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

In [1002]: np.ma.filled(mdata,1)
Out[1002]: array([1, 1, 1, 1, 1, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

In [1008]: mdata.compressed()
Out[1008]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

哪个会给您想要的percentile？填充或压缩？还是没有。您需要充分理解百分位的概念，才能知道百分位掩码的情况下应如何应用。