数据结构
网络
RDBMS
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理
化学
生物
数学
英语
经济
心理学
社会研究
时装研究
法律研究检查 NumPy 中掩蔽数组的基
若要检查拥有其存储器的掩蔽数组数据的基，请在 Numpy 中使用 ma.MaskedArray.base 属性。返回子数组的基元素的数据类型，无论其维度或形状如何。
NumPy 提供全面的数学函数、随机数生成器、线性代数例程、傅里叶变换等等。它支持广泛的硬件和计算平台，并且与分布式、GPU 和稀疏数组库配合得很好。
掩蔽数组可能是包含缺失或无效项的数组。numpy.ma 模块提供了一个近乎有用的替代品，该替代品支持具有掩码的数据数组。
步骤
首先，导入所需的库 −
import numpy as np import numpy.ma as ma
使用 numpy.array() 方法创建数组 −
arr = np.array([[35, 85], [67, 33]])
print("Our Array...
", arr)创建一个掩蔽数组，并将部分掩蔽标记为无效 −
maskArr = ma.masked_array(arr, mask =[[0, 0], [ 0, 1]])
print("
Our Masked Array
", maskArr)若要检查拥有其存储器的数组的基，请使用 numpy.base 属性。拥有其存储器的数组的基为 None −
print("
Our Array baseclass
", arr.base)
若要检查拥有其存储器的掩蔽数组数据的基，请在 Numpy 中使用 ma.MaskedArray.base 属性 −
print("
Our Masked Array baseclass
", maskArr.base)示例
import numpy as np
import numpy.ma as ma
arr = np.array([[35, 85], [67, 33]])
print("Our Array...
", arr)
# Create a masked array and mask some of them as invalid
maskArr = ma.masked_array(arr, mask =[[0, 0], [ 0, 1]])
print("
Our Masked Array
", maskArr)
# To check the base of an array that owns its memory, use the numpy.base attribute
# The base of an array that owns its memory is None
print("
Our Array baseclass
", arr.base)
# To check the base of masked array data that owns its memory, use the ma.MaskedArray.base attribute in Numpy
print("
Our Masked Array baseclass
", maskArr.base)输出
Our Array... [[35 85] [67 33]] Our Masked Array [[35 85] [67 --]] Our Array baseclass None Our Masked Array baseclass [[35 85] [67 33]]
更新日期：04-Feb-2022
100 次浏览量
广告