您好,登录后才能下订单哦!
本篇内容介绍了“numpy中的掩码数组如何使用”的有关知识,在实际案例的操作过程中,不少人都会遇到这样的困境,接下来就让小编带领大家学习一下如何处理这些情况吧!希望大家仔细阅读,能够学有所成!
numpy中有一个掩码数组的概念,需要通过子模块numpy.ma来创建,基本的创建方式如下
>>> import numpy as np >>> import numpy.ma as ma >>> a = np.arange(5) >>> a array([0, 1, 2, 3, 4]) >>> b = ma.masked_array(a, mask = [1, 1, 1, 0, 0]) >>> b masked_array(data = [-- -- -- 3 4], mask = [ True True True False False], fill_value = 999999) >>> np.min(a) 0 >>> np.min(b) 3
所谓掩码,就是掩盖的意思。上述代码中,掩藏了数组的前3个元素,形成了一个新的掩码数组,在该掩码数组中,被掩藏的前3位用短横杠表示,对原始数组和对应的掩码数组同时求最小值,可以看到,掩码数组中只有未被掩藏的元素参与了计算。
掩码数组赋予了我们重新选择元素的权利,而不用改变矩阵的维度。在可视化领域,最典型的应用就是绘制三角热图,代码如下
import matplotlib.pyplot as plt import numpy as np import numpy.ma as ma data = np.random.rand(25 * 25).reshape(25, -1) mask = np.tri(data.shape[0], k= -1) data_masked = ma.array(data, mask=mask) fig, (ax1, ax2) = plt.subplots(1, 2) ax1.imshow(data) ax2.imshow(data_masked)
输出结果如下
通过掩码矩阵,可以轻松实现三角热图的绘制。在numpy.ma子模块中,还提供了多种创建掩码数组的方式,用法如下
>>> import numpy.ma as ma >>> a array([0, 1, 2, 3, 4]) # 等于2的元素被掩盖 >>> ma.masked_equal(a, 2) masked_array(data = [0 1 -- 3 4], mask = [False False True False False], fill_value = 2) # 不等于2的元素被掩盖 >>> ma.masked_not_equal(a, 2) masked_array(data = [-- -- 2 -- --], mask = [ True True False True True], fill_value = 999999) # 大于2的元素被掩盖 >>> ma.masked_greater(a, 2) masked_array(data = [0 1 2 -- --], mask = [False False False True True], fill_value = 999999) # 小于2的元素被掩盖 >>> ma.masked_less(a, 2) masked_array(data = [-- -- 2 3 4], mask = [ True True False False False], fill_value = 999999) # 大于等于2的元素被掩盖 >>> ma.masked_greater_equal(a, 2) masked_array(data = [0 1 -- -- --], mask = [False False True True True], fill_value = 999999) # 小于等于2的元素被掩盖 >>> ma.masked_less_equal(a, 2) masked_array(data = [-- -- -- 3 4], mask = [ True True True False False], fill_value = 999999) # 小于1大于3的元素被掩盖 >>> ma.masked_outside(a, 1, 3) masked_array(data=[--, 1, 2, 3, --], mask=[ True, False, False, False, True], fill_value=999999) # 大于等于1,小于等于3的元素被掩盖 >>> ma.masked_inside(a, 1, 3) masked_array(data=[0, --, --, --, 4], mask=[False, True, True, True, False], fill_value=999999)
利用掩码数组,可以方便的处理缺失值或者被污染的值,只需要将对应的元素掩码即可。
“numpy中的掩码数组如何使用”的内容就介绍到这里了,感谢大家的阅读。如果想了解更多行业相关的知识可以关注亿速云网站,小编将为大家输出更多高质量的实用文章!
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。