Numpy: np.random.choice는 마스크 배열 prob에서 범위를 벗어난 인덱스를 반환합니다.

이 문제는 numpy 개발 버전의 Generator.choice 에서도 발생합니다.

In [1]: import numpy as np

In [2]: np.__version__ 
Out[2]: '1.20.0.dev0+986e533'

In [3]: rng = np.random.default_rng()

In [4]: pm = np.ma.masked_array([0.1, 0.2, 0.4, 0.3], mask=[0, 0, 1, 1])

In [5]: rng.choice(4, p=pm, size=12)
Out[5]: array([4, 4, 4, 0, 4, 1, 4, 0, 0, 4, 4, 4])

앞서 "버그"라벨을 추가했지만 그것은 주관적인 판단입니다. numpy에는 마스킹 된 배열을 올바르게 처리하지 않는 다른 함수가 있습니다 (또는 "정확성"도 판단 호출이 될 수 있기 때문에 "올바르게"). 여기서 반드시 버그로 간주하지 않습니다. 아마도 이것은 정의되지 않은 동작의 예일 뿐이며 문제에 대한 짧은 대답은 "하지 마세요!"입니다. 그러나 무의미한 결과를 반환하는 대신 예외를 발생시킬 수 있다면 더 좋을 것입니다.

마스킹 된 배열에 대한 명시적인 검사를 추가하고 값이 실제로 마스킹 된 경우 오류를 발생시키는 것은 간단하지만 매우 구체적인 임시 수정처럼 느껴집니다.

Generator.choice 가) __array_function__ 발송됩니까? 그렇지 않다면 아마 그럴 것입니다.

만약 그렇다면, 우리가 아직 __array_function__ 버그를 구현하지 않았기 때문에 다른 모든 "maskedarray decay"와 함께 이것을 던진다 고 생각합니다.

앞서 "버그"라벨을 추가했지만 그것은 주관적인 판단입니다. numpy에는 마스킹 된 배열을 올바르게 처리하지 않는 다른 함수가 있습니다 (또는 "정확성"도 판단 호출이 될 수 있기 때문에 "올바르게"). 여기서 반드시 버그로 간주하지 않습니다. 아마도 이것은 정의되지 않은 동작의 예일 뿐이며 문제에 대한 짧은 대답은 "하지 마세요!"입니다. 그러나 무의미한 결과를 반환하는 대신 예외를 발생시킬 수 있다면 더 좋을 것입니다.

마스킹 된 배열에 대한 명시적인 검사를 추가하고 값이 실제로 마스킹 된 경우 오류를 발생시키는 것은 간단하지만 매우 구체적인 임시 수정처럼 느껴집니다.

올바르게 처리하지 않으면 마스크 된 배열 전달을 허용해서는 안되지만 (예외를 발생시켜야 함) 대부분 올바르게 작동합니다 (일부 경우를 제외하고는 잘 작동합니다). 프로덕션 환경에 잠재적 인 문제가 발생할 수 있습니다.

Generator 에는 __array_function__ 사용이 없습니다. 많은 힘 입력이 C 연속적으로 잘 작동하지만, 일부 기능이 항상이를 종교적으로 충분히 강요하지는 않는 경우가 있습니다.

NPY_ARRAY_ENSUREARRAY 를 추가하면 가득 차서 마스크를 무시하는 ndarray가됩니다. 이것이 "옳다"라고 말하기는 어렵습니다. @WarrenWeckesser 의 예에서는 pm=np.array([.1,.2,.3,.4]) 를 확률로 사용합니다.