<div class="gmail_quote">On Fri, Jun 24, 2011 at 1:04 PM, Matthew Brett <span dir="ltr">&lt;<a href="mailto:matthew.brett@gmail.com">matthew.brett@gmail.com</a>&gt;</span> wrote:<br><blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex;">
Hi,<br>
<br>
Just as a use case, if I do this:<br>
<br>
a = np.zeros((big_number,), dtype=np.int32)<br>
a[0,0] = np.NA<br>
<br>
I think I&#39;m right in saying that, with the array.mask implementation<br>
my array memory usage with grow by new big_number bytes, whereas with<br>
the np.naint32 implementation you&#39;d get something like:<br>
<br>
Error(&#39;This data type does not allow missing values&#39;)<br>
<br>
Is that right?<br></blockquote><div><br></div><div>Not really, I much prefer having the operation of adding a mask always be very explicit. It should raise an exception along the lines of &quot;Cannot assign the NA missing value to an array with no validity mask&quot;.</div>
<div><br></div><div>-Mark</div><div> </div><blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex;">
See y&#39;all,<br>
<font color="#888888"><br>
Matthew<br>
</font><div><div></div><div class="h5">_______________________________________________<br>
NumPy-Discussion mailing list<br>
<a href="mailto:NumPy-Discussion@scipy.org">NumPy-Discussion@scipy.org</a><br>
<a href="http://mail.scipy.org/mailman/listinfo/numpy-discussion" target="_blank">http://mail.scipy.org/mailman/listinfo/numpy-discussion</a><br>
</div></div></blockquote></div><br>