masked_array是MaskedArray类的别名。当您使用它时，没有参数验证。
masked_where是一个函数，用于创建MaskedArray的示例，以检查参数。

def masked_where(condition, a, copy=True):
    """[docstring]"""
    # Make sure that condition is a valid standard-type mask.
    cond = make_mask(condition, shrink=False)
    a = np.array(a, copy=copy, subok=True)
    (cshape, ashape) = (cond.shape, a.shape)
    if cshape and cshape != ashape:
        raise IndexError("Inconsistent shape between the condition and the input"
                         " (got %s and %s)" % (cshape, ashape))
    if hasattr(a, '_mask'):
        cond = mask_or(cond, a._mask)
        cls = type(a)
    else:
        cls = MaskedArray
    result = a.view(cls)
    # Assign to *.mask so that structured masks are handled correctly.
    result.mask = _shrink_mask(cond)
    # There is no view of a boolean so when 'a' is a MaskedArray with nomask
    # the update to the result's mask has no effect.
    if not copy and hasattr(a, '_mask') and getmask(a) is nomask:
        a._mask = result._mask.view()
    return result

您的评论：
如果我用形状不一致的值和掩码数组调用它们，在这两种情况下都会得到相同的错误消息。
如果不详细说明有什么不同，我想我们帮不了你。
例如，如果我尝试明显的不一致性，即长度，我得到不同的错误消息：

In [121]: np.ma.masked_array(vals, cond[:-1])
MaskError: Mask and data not compatible: data size is 5, mask size is 4.
In [122]: np.ma.masked_where(cond[:-1], vals)
IndexError: Inconsistent shape between the condition and the input (got (4,) and (5,))

从Corralian显示的代码中可以明显看出对where消息的测试。
Masked_Array类定义具有以下测试：

# Make sure the mask and the data have the same shape
        if mask.shape != _data.shape:
            (nd, nm) = (_data.size, mask.size)
            if nm == 1:
                mask = np.resize(mask, _data.shape)
            elif nm == nd:
                mask = np.reshape(mask, _data.shape)
            else:
                msg = "Mask and data not compatible: data size is %i, " + \
                      "mask size is %i."
                raise MaskError(msg % (nd, nm))

只有当形状通过了where测试，但被类的测试捕获时，我才期望得到相同的消息。如果是这样，在完整的错误追溯中应该是显而易见的。
下面是一个在where上失败的示例，但它通过了base。

In [138]: np.ma.masked_where(cond[:,None],vals)
IndexError: Inconsistent shape between the condition and the input (got (5, 1) and (5,))
In [139]: np.ma.masked_array(vals, cond[:,None])
Out[139]: 
masked_array(data=[--, 1, --, 3, --],
             mask=[ True, False,  True, False,  True],
       fill_value=999999)

基类可以处理cond与shape不同，但与size（元素总数）匹配的情况。它尝试对其进行整形。标量cond通过这两种情况，尽管确切的测试不同。
根据我对代码的阅读，我无法想象有什么差异可以通过where，但不能通过base。
所有的掩码数组代码都是python可读的（参见另一个答案的链接）。虽然有一个基类定义，但有许多构造函数或帮助函数，正如where文档所阐明的那样。我不会太担心使用哪个函数，特别是如果你不想突破逻辑界限的话。
掩码数组虽然长期以来一直是numpy的一部分，但并没有得到很大的使用，至少从SO问题的相对缺乏来看是这样。我怀疑pandas在处理可能有缺失值的数据（例如时间序列）时已经在很大程度上取代了它。