数据结构
网络
关系数据库管理系统 (RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
时尚研究
法律研究计算 NumPy 中连续元素之间的差值并追加数字
要计算掩码数组中连续元素之间的差值，请在 Python NumPy 中使用 **MaskedArray.ediff1d()** 方法。“**to_end**”参数设置要追加到返回差值末尾的数字。
此函数等效于考虑掩码值的 numpy.ediff1d，有关详细信息，请参阅 numpy.ediff1d。
掩码数组是标准 numpy.ndarray 和掩码的组合。掩码要么是 nomask（表示关联数组的任何值均有效），要么是布尔值数组，用于确定关联数组的每个元素的值是否有效。
步骤
首先，导入所需的库：
import numpy as np
使用 numpy.array() 方法创建一个包含整数元素的数组：
arr = np.array([[65, 68, 81], [93, 33, 76], [73, 88, 51], [62, 45, 67]])
print("Array...
", arr)创建一个掩码数组，并将其中一些标记为无效：
maskArr = ma.masked_array(arr, mask =[[1, 0, 0], [ 0, 0, 0], [0, 1, 0], [0, 0, 0]])
print("
Our Masked Array...
", maskArr)获取掩码数组的类型：
print("
Our Masked Array type...
", maskArr.dtype)
获取掩码数组的维度：
print("
Our Masked Array Dimensions...
",maskArr.ndim)获取掩码数组的形状：
print("
Our Masked Array Shape...
",maskArr.shape)
获取掩码数组的元素个数：
print("
Number of elements in the Masked Array...
",maskArr.size)要计算掩码数组中连续元素之间的差值，请在 Python NumPy 中使用 MaskedArray.ediff1d() 方法。“to_end”参数设置要追加到返回差值末尾的数字。
print("
Result..
.", np.ediff1d(maskArr, to_end=999))
示例
import numpy as np
import numpy.ma as ma
# Create an array with int elements using the numpy.array() method
arr = np.array([[65, 68, 81], [93, 33, 76], [73, 88, 51], [62, 45, 67]])
print("Array...
", arr)
# Create a masked array and mask some of them as invalid
maskArr = ma.masked_array(arr, mask =[[1, 0, 0], [ 0, 0, 0], [0, 1, 0], [0, 0, 0]])
print("
Our Masked Array...
", maskArr)
# Get the type of the masked array
print("
Our Masked Array type...
", maskArr.dtype)
# Get the dimensions of the Masked Array
print("
Our Masked Array Dimensions...
",maskArr.ndim)
# Get the shape of the Masked Array
print("
Our Masked Array Shape...
",maskArr.shape)
# Get the number of elements of the Masked Array
print("
Number of elements in the Masked Array...
",maskArr.size)
# To compute the differences between consecutive elements of a masked array, use the MaskedArray.ediff1d() method in Python Numpy
# The "to_end" parameter sets the number(s) to append at the end of the returned differences.
print("
Result..
.", np.ediff1d(maskArr, to_end=999))输出
Array... [[65 68 81] [93 33 76] [73 88 51] [62 45 67]] Our Masked Array... [[-- 68 81] [93 33 76] [73 -- 51] [62 45 67]] Our Masked Array type... int64 Our Masked Array Dimensions... 2 Our Masked Array Shape... (4, 3) Number of elements in the Masked Array... 12 Result.. . [ 3 13 12 -60 43 -3 15 -37 11 -17 22 999]
更新于：2022年2月5日
114 次浏览
广告