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
服装设计
法学返回两个带掩码的三维 NumPy 数组的外积
要返回两个三维掩码数组的外积，请在 Python NumPy 中使用 **ma.outer()** 方法。第一个参数是输入向量。如果输入不是一维的，则会将其展平。第二个参数是第二个输入向量。如果输入不是一维的，则会将其展平。
掩码数组是标准 numpy.ndarray 和掩码的组合。掩码要么是 nomask（表示关联数组的没有值无效），要么是一个布尔数组，它决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.arange() 方法创建 Array1，这是一个包含整型元素的三维数组：
arr1 = np.arange(24).reshape((2,3,4)) print("Array1...", arr1) print("Array type...", arr1.dtype)
创建掩码数组 1：
arr1 = ma.array(arr1)
掩码数组 1：
arr1[0, 0, 1] = ma.masked
显示掩码数组 1：
print("Masked Array1...",arr1)
使用 numpy.arange() 方法创建另一个包含整型元素的三维数组 Array2：
arr2 = np.arange(24).reshape((2,3,4)) print("Array2...", arr2) print("Array type...", arr2.dtype)
创建掩码数组 2：
arr2 = ma.array(arr2)
掩码数组 2：
arr2[0, 1, 2] = ma.masked arr2[1, 2, 2] = ma.masked
显示掩码数组 2：
print("Masked Array2...",arr2)
要返回两个掩码数组的外积，请在 Python NumPy 中使用 ma.outer() 方法。
print("Result of outer product (3D arrays)...",np.ma.outer(arr1, arr2))
示例
import numpy as np import numpy.ma as ma # Array 1 # Creating a 3D array with int elements using the numpy.arange() method arr1 = np.arange(24).reshape((2,3,4)) print("Array1...", arr1) print("Array type...", arr1.dtype) # Get the dimensions of the Array print("Array Dimensions...",arr1.ndim) # Get the shape of the Array print("Our Array Shape...",arr1.shape) # Get the number of elements of the Array print("Elements in the Array...",arr1.size) # Create a masked array arr1 = ma.array(arr1) # Mask Array1 arr1[0, 0, 1] = ma.masked # Display Masked Array 1 print("Masked Array1...",arr1) # Array 2 # Creating another 3D array with int elements using the numpy.arange() method arr2 = np.arange(24).reshape((2,3,4)) print("Array2...", arr2) print("Array type...", arr2.dtype) # Get the dimensions of the Array print("Array Dimensions...",arr2.ndim) # Get the shape of the Array print("Our Array Shape...",arr2.shape) # Get the number of elements of the Array print("Elements in the Array...",arr2.size) # Create a masked array arr2 = ma.array(arr2) # Mask Array2 arr2[0, 1, 2] = ma.masked arr2[1, 2, 2] = ma.masked # Display Masked Array 2 print("Masked Array2...",arr2) # To return the outer product of two masked arrays, use the ma.outer() method in Python Numpy print("Result of outer product (3D arrays)...",np.ma.outer(arr1, arr2))
Explore our latest online courses and learn new skills at your own pace. Enroll and become a certified expert to boost your career.
输出
Array1... [[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] [[12 13 14 15] [16 17 18 19] [20 21 22 23]]] Array type... int64 Array Dimensions... 3 Our Array Shape... (2, 3, 4) Elements in the Array... 24 Masked Array1... [[[0 -- 2 3] [4 5 6 7] [8 9 10 11]] [[12 13 14 15] [16 17 18 19] [20 21 22 23]]] Array2... [[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] [[12 13 14 15] [16 17 18 19] [20 21 22 23]]] Array type... int64 Array Dimensions... 3 Our Array Shape... (2, 3, 4) Elements in the Array... 24 Masked Array2... [[[0 1 2 3] [4 5 -- 7] [8 9 10 11]] [[12 13 14 15] [16 17 18 19] [20 21 -- 23]]] Result of outer product (3D arrays)... [[0 0 0 0 0 0 -- 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 -- 0] [-- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- --] [0 2 4 6 8 10 -- 14 16 18 20 22 24 26 28 30 32 34 36 38 40 42 -- 46] [0 3 6 9 12 15 -- 21 24 27 30 33 36 39 42 45 48 51 54 57 60 63 -- 69] [0 4 8 12 16 20 -- 28 32 36 40 44 48 52 56 60 64 68 72 76 80 84 -- 92] [0 5 10 15 20 25 -- 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105 -- 115] [0 6 12 18 24 30 -- 42 48 54 60 66 72 78 84 90 96 102 108 114 120 126 -- 138] [0 7 14 21 28 35 -- 49 56 63 70 77 84 91 98 105 112 119 126 133 140 147 -- 161] [0 8 16 24 32 40 -- 56 64 72 80 88 96 104 112 120 128 136 144 152 160 168 -- 184] [0 9 18 27 36 45 -- 63 72 81 90 99 108 117 126 135 144 153 162 171 180 189 -- 207] [0 10 20 30 40 50 -- 70 80 90 100 110 120 130 140 150 160 170 180 190 200 210 -- 230] [0 11 22 33 44 55 -- 77 88 99 110 121 132 143 154 165 176 187 198 209 220 231 -- 253] [0 12 24 36 48 60 -- 84 96 108 120 132 144 156 168 180 192 204 216 228 240 252 -- 276] [0 13 26 39 52 65 -- 91 104 117 130 143 156 169 182 195 208 221 234 247 260 273 -- 299] [0 14 28 42 56 70 -- 98 112 126 140 154 168 182 196 210 224 238 252 266 280 294 -- 322] [0 15 30 45 60 75 -- 105 120 135 150 165 180 195 210 225 240 255 270 285 300 315 -- 345] [0 16 32 48 64 80 -- 112 128 144 160 176 192 208 224 240 256 272 288 304 320 336 -- 368] [0 17 34 51 68 85 -- 119 136 153 170 187 204 221 238 255 272 289 306 323 340 357 -- 391] [0 18 36 54 72 90 -- 126 144 162 180 198 216 234 252 270 288 306 324 342 360 378 -- 414] [0 19 38 57 76 95 -- 133 152 171 190 209 228 247 266 285 304 323 342 361 380 399 -- 437] [0 20 40 60 80 100 -- 140 160 180 200 220 240 260 280 300 320 340 360 380 400 420 -- 460] [0 21 42 63 84 105 -- 147 168 189 210 231 252 273 294 315 336 357 378 399 420 441 -- 483] [0 22 44 66 88 110 -- 154 176 198 220 242 264 286 308 330 352 374 396 418 440 462 -- 506] [0 23 46 69 92 115 -- 161 184 207 230 253 276 299 322 345 368 391 414 437 460 483 -- 529]]
更新于：2022年2月22日
231 次浏览
广告