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
服装学
法学计算 NumPy 中连续元素之间的差值并追加数字数组
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数组。
此函数等效于考虑掩码值的 numpy.ediff1d，详情请参见 numpy.ediff1d。
掩码数组是标准 numpy.ndarray 和掩码的组合。掩码可以是 nomask（表示关联数组中没有无效值），也可以是布尔数组，用于确定关联数组中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的某些元素标记为无效：
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数组：
appendArr = np.array([996, 997, 998, 999])
print("
Result..
.", np.ediff1d(maskArr, to_end=appendArr))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 array of number(s) to append at the end of the returned differences.
appendArr = np.array([996, 997, 998, 999])
print("
Result..
.", np.ediff1d(maskArr, to_end=appendArr))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 22 996 997 998 999]
更新于：2022年2月5日
浏览量：132
广告