如何将numpy.ma.MaskedArray转换为PyTorch掩码张量？

numpy的MaskedArray包含原始数据、掩码矩阵和填充值三个核心部分，转换到PyTorch时通常有两种常见处理方式：

1. 生成独立的数据张量与掩码张量 #

直接提取MaskedArray的data和mask属性，分别转为PyTorch张量：

import torch
import numpy as np
import numpy.ma as ma

# 初始化原MaskedArray
mx = np.ma.MaskedArray(np.random.rand(3, 3), mask=[[True, False, False], [True, False, True], [False, False, False]], fill_value=float('-inf'))

# 转换数据部分为PyTorch浮点张量
data_tensor = torch.tensor(mx.data)
# 转换掩码部分为PyTorch布尔张量（True表示对应位置需被屏蔽）
mask_tensor = torch.tensor(mx.mask, dtype=torch.bool)

PyTorch掩码的逻辑与numpy一致：True标记的位置会被视为需要忽略或屏蔽的元素。

2. 生成填充后的完整张量 #

如果需要直接将被掩码的元素替换为fill_value，可使用torch.where完成：

# 生成填充后的张量，掩码位置替换为fill_value
filled_tensor = torch.where(mask_tensor, torch.tensor(mx.fill_value), data_tensor)

执行后，filled_tensor中所有被掩码的位置都会被替换为mx.fill_value（示例中为-inf）。

内容的提问来源于stack exchange，提问作者Michael Chao