Matplotlib 箱线统计遇到全 masked 数据，报空数组 IndexError

一组数据全部被 mask 后，matplotlib.cbook.boxplot_stats() 没有返回空组统计，而是在 NumPy 分位数计算中报 IndexError: index -1 is out of bounds for axis 0 with size 0。先检查的是去掉掩码后还剩几个观测值，而不只是原数组的长度。

Matplotlib 3.11.1 有这条具体失败路径，当前正式 3.11.2 仍先检查 len(x)，再排除 masked 值。原数组含两个位置时，第一次检查认为非空；两个位置都被排除后，后面的百分位计算收到空数组。

进入统计前先得到有效观测

对于一组一维数值数据，可以先使用掩码数组的 compressed()，再把结果作为一组输入交给统计函数。下面是保留空组位置的说明例：

import numpy as np
from matplotlib import cbook

sample = np.ma.masked_array([10.0, 20.0], mask=[True, True])
visible = np.ma.asarray(sample).compressed()
stats = cbook.boxplot_stats([visible], labels=["sample"])
assert len(stats) == 1
assert np.isnan(stats[0]["med"])

这里的外层列表明确表示一个组，即使其中没有有效值，也保留这组标签。统计结果中的中位数等字段应按空数据得到 NaN；是否在图上标注“无有效数据”，由报表自己的缺失值规则决定，不能把 NaN 当成真实的零。

compressed() 会返回未被 mask 的一维数据。多组或二维输入应按各组的原分界处理，不能把整张表一次压平，让不同分组混在一起。它也不会自动排除未被 mask 的 NaN 或无穷值；项目若还有这些缺失约定，需要单独核对，不能在这次修正中顺手改变样本范围。

不要用填零或旧版忽略掩码恢复绘图

移除 mask、对底层 .data 直接统计，会把明确排除的值重新放回样本。把 masked 值填为 0 也会改变均值、四分位数和须线。旧实现即使没有抛异常，也可能忽略掩码而得到错误统计，回退到它不能证明结果正确。

如果业务决定不展示全空组，要同时保留原分组标识与缺失记录，再显式调整标签和横轴位置。只过滤掉一个数组而不调整其余信息，会让图中的值和名称错位。

验收应包含全空、全 masked、部分 masked 和普通有效组，比较每组的有效样本数、标签、中位数与四分位数，再检查实际保存的图。不要用关闭 NumPy 警告或捕获 IndexError 后返回零来隐藏问题。保留原数组及 mask；已经导出的错误统计，需要按原分组重算，不能只重新打开旧图片。