数据结构
网络
关系型数据库管理系统
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
社会学
时尚研究
法律研究使用 Numpy 中的浮点相等进行掩码
要在 Python Numpy 中使用浮点相等进行掩码，请使用 numpy.ma.masked_values() 方法。返回一个 MaskedArray，其中 array x 中的数据与 value 大致相等（使用 isclose 确定），将这些数据进行掩码。masked_values 的默认容差与 isclose 的相同。
掩码数组是标准 numpy.ndarray 和掩码的组合。掩码要么是无掩码（表示关联数组没有无效值），要么是布尔数组，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 import numpy.ma as ma
使用 numpy.array() 方法创建一个包含 int 元素的数组 −
arr = np.array([[71, 55, 82.8], [82.8, 33, 39], [73, 82.3, 51], [90, 77, 82.8]])
print("Array...
", arr)获取数组的类型 −
print("
Array type...
", arr.dtype)
获取数组的维度 −
print("
Array Dimensions...
",arr.ndim)获取数组的形状 −
print("
Our Array Shape...
",arr.shape)
获取数组的元素个数 −
print("
Number of Elements in the Array...
",arr.size)要在 Python Numpy 中使用浮点相等进行掩码，请使用 numpy.ma.masked_values() 方法 −
print("
Result...
",np.ma.masked_values(arr, 82.8))
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([[71, 55, 82.8], [82.8, 33, 39], [73, 82.3, 51], [90, 77, 82.8]])
print("Array...
", arr)
# Get the type pf array
print("
Array type...
", arr.dtype)
# Get the dimensions of the Array
print("
Array Dimensions...
",arr.ndim)
# Get the shape of the Array
print("
Our Array Shape...
",arr.shape)
# Get the number of elements of the Array
print("
Number of Elements in the Array...
",arr.size)
# To mask using floating point equality, use the numpy.ma.masked_values() method in Python Numpy
print("
Result...
",np.ma.masked_values(arr, 82.8))输出
Array... [[71. 55. 82.8] [82.8 33. 39. ] [73. 82.3 51. ] [90. 77. 82.8]] Array type... float64 Array Dimensions... 2 Our Array Shape... (4, 3) Number of Elements in the Array... 12 Result... [[71.0 55.0 --] [-- 33.0 39.0] [73.0 82.3 51.0] [90.0 77.0 --]]
更新日期：2022 年 2 月 4 日
369 次浏览
广告