Numpy掩码式数组详解

时间:2021-05-22

数据很大形况下是凌乱的,并且含有空白的或者无法处理的字符,掩码式数组可以很好的忽略残缺的或者是无效的数据点。掩码式数组由一个正常数组与一个布尔式数组组成,若布尔数组中为Ture,则表示正常数组中对应下标的值无效,反之False表示对应正常数组的值有效。

创建方法为,首先创建一个布尔型数组,然后通过numpy.ma子程序包提供的函数来创建掩码式数组,掩码式数组提供了各种所需函数。

创建实例如下:

import numpy as nporigin = np.arange(16).reshape(4,4) #生成一个4×4的矩阵np.random.shuffle(origin) #随机打乱矩阵元素random_mask = np.random.randint(0,2,size=origin.shape)#生成随机[0,2)的整数的4×4矩阵mask_array = np.ma.array(origin,mask=random_mask)#生成掩码式矩阵print(mask_array)

结果如下:

[[12 13 -- 15] [8 9 10 --] [-- -- -- 3] [-- 5 6 --]]

用于:

1.对负数取对数

import numpy as nptriples = np.arange(0,10,3)#每隔3取0到10中的整数,(0,3,6,9)signs = np.ones(10)#(1,1,1,1,1,1,1,1,1)signs[triples] = -1#(-1,1,1,-1,1,1,-1,1,1,-1)values = signs * 77#(-77,77,77,-77,77,77,-77,77,77,-77)ma_log = np.ma.log(values)#掩码式取对数print(ma_log)

结果为:

[-- 4.343805421853684 4.343805421853684 -- 4.343805421853684 4.343805421853684 -- 4.343805421853684 4.343805421853684 --]

2.忽略极值

import numpy as npinside = np.ma.masked_outside(array,min,max)

以上这篇Numpy掩码式数组详解就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。

声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。

相关文章