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
社会研究
时尚研究
法律研究计算 NumPy 中连续元素之间的差值并在前面添加数字
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_begin**”参数设置在返回的差值开头要添加的数字。
此函数相当于考虑了掩码值的 numpy.ediff1d，详情请参阅 numpy.ediff1d。
掩码数组是标准 numpy.ndarray 和掩码的组合。掩码或者是 nomask（表示关联数组中没有无效值），或者是一个布尔值数组，它决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_begin”参数设置在返回的差值开头要添加的数字：
print("
Result..
.", np.ediff1d(maskArr, to_begin=-1))
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_begin" parameter sets the number(s) to prepend at the beginning of the returned differences.
print("
Result..
.", np.ediff1d(maskArr, to_begin=-1))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.. . [ -1 3 13 12 -60 43 -3 15 -37 11 -17 22]
更新于：2022年2月8日
347 次浏览
广告