Explication détaillée des tableaux masqués Numpy

不言
Libérer: 2018-04-17 11:08:14
original
3085 Les gens l'ont consulté

Ce qui suit est une explication détaillée des tableaux masqués Numpy, qui a une bonne valeur de référence et j'espère qu'elle sera utile à tout le monde. Jetons un coup d'œil ensemble

Les données sont souvent désordonnées et contiennent des caractères vides ou non traitables. Les tableaux masqués peuvent efficacement ignorer les points de données incomplets ou invalides. Le tableau masqué est constitué d'un tableau normal et d'un tableau booléen. Si le tableau booléen est True, cela signifie que la valeur correspondant à l'indice dans le tableau normal n'est pas valide. Sinon, False signifie que la valeur correspondant au tableau normal est valide. .

La méthode de création consiste à créer d'abord un tableau booléen, puis à créer un tableau masqué via les fonctions fournies par le package de sous-programmes numpy.ma. Le tableau masqué fournit diverses fonctions requises.

Créez une instance comme suit :

import numpy as np
origin = np.arange(16).reshape(4,4)  #生成一个4×4的矩阵
np.random.shuffle(origin)     #随机打乱矩阵元素
random_mask = np.random.randint(0,2,size=origin.shape)#生成随机[0,2)的整数的4×4矩阵
mask_array = np.ma.array(origin,mask=random_mask)#生成掩码式矩阵
print(mask_array)
Copier après la connexion

Résultat Comme suit :

[[12 13 -- 15]
 [8 9 10 --]
 [-- -- -- 3]
 [-- 5 6 --]]
Copier après la connexion

est utilisé pour :

1. Prendre le logarithme d'un nombre négatif

import numpy as np
triples = np.arange(0,10,3)#每隔3取0到10中的整数,(0,3,6,9)
signs = np.ones(10)#(1,1,1,1,1,1,1,1,1)
signs[triples] = -1#(-1,1,1,-1,1,1,-1,1,1,-1)
values = signs * 77#(-77,77,77,-77,77,77,-77,77,77,-77)
ma_log = np.ma.log(values)#掩码式取对数
print(ma_log)
Copier après la connexion

Le résultat est :

[-- 4.343805421853684 4.343805421853684 -- 4.343805421853684
 4.343805421853684 -- 4.343805421853684 4.343805421853684 --]
Copier après la connexion

Ignorer les valeurs extrêmes

import numpy as np
inside = np.ma.masked_outside(array,min,max)
Copier après la connexion

Recommandations associées :

Discussion détaillée sur les méthodes de remodelage, de fusion et de fractionnement de tableaux dans Numpy

Numpy Implémenter la méthode d'index de retour du tableau ndarray qui répond à des conditions spécifiques

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Étiquettes associées:
source:php.cn
Déclaration de ce site Web
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn
Tutoriels populaires
Plus>
Derniers téléchargements
Plus>
effets Web
Code source du site Web
Matériel du site Web
Modèle frontal