Numpy掩码式数组详解

下面为大家分享一篇Numpy掩码式数组详解，具有很好的参考价值，希望对大家有所帮助。一起过来看看吧

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 np
origin = 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 np
triples = 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 np
inside = np.ma.masked_outside(array,min,max)

相关推荐：

详谈Numpy中数组重塑、合并与拆分方法

numpy中实现ndarray数组返回符合特定条件的索引方法

以上就是Numpy掩码式数组详解的详细内容，更多请关注其它相关文章！