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：
|
1
2
3
4
5
6
|
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：
|
1
2
3
4
|
[[12 13 -- 15] [8 9 10 --] [-- -- -- 3] [-- 5 6 --]] |
用于：
1.对负数取对数
|
1
2
3
4
5
6
7
|
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：
|
1
2
|
[-- 4.343805421853684 4.343805421853684 -- 4.343805421853684 4.343805421853684 -- 4.343805421853684 4.343805421853684 --] |
2.忽略极值
|
1
2
|
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服务器之家。
原文链接：https://blog.csdn.net/weixin_37895339/article/details/72854859
