numpy中的掩码数组的使用

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 npDJInHznumpy.ma as ma
>>> a = np.arange(5)
>>编程;> a
array([0, 1, 2, 3, 4])
>>> b = ma.masked_array(a, mask = [1, 1编程客栈, 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
编程客栈>>> 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)
# 小于等编程客栈于2的元素被掩盖
>>> ma.masked_less_e开发者_C学习qual(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，更多的用法请查阅官方的API文档。

到此这篇关于numpy中的掩码数组的使用的文章就介绍到这了,更多相关numpy 掩码数组内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！