获取有关 Numpy 中掩码数组的内存布局的信息
numpyserver side programmingprogramming更新于 2025/5/27 11:52:17
要获取有关掩码数组的内存布局的信息，请使用 Numpy 中的 ma.MaskedArray.flags。掩码数组是可能缺少或无效条目的数组。numpy.ma 模块为 numpy 提供了一个几乎相同的替代品，支持带有掩码的数据数组。
掩码数组是标准 numpy.ndarray 和掩码的组合。掩码要么是 nomask，表示关联数组的任何值都不是无效的，要么是布尔值数组，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 import numpy.ma as ma
使用 numpy.array() 方法创建一个 numpy 数组 −
arr = np.array([[35, 85], [67, 33]])
print("数组...
", arr)
print("
数组类型...
", arr.dtype)
获取数组的维度 −
print("数组维度...",arr.ndim)
获取有关数组内存布局的信息 −
print("
数组标志...
",arr.flags)
创建一个掩码数组并将其中一些掩码为无效 −
maskArr = ma.masked_array(arr, mask =[[0, 0], [ 0, 1]])
print("
我们的掩码数组
", maskArr)
print("
我们的掩码数组类型...
", maskArr.dtype)
获取掩码数组的维度 −
print(" 我们的掩码数组维度...",maskArr.ndim)
要获取有关掩码数组内存布局的信息，请使用 Numpy 中的 ma.MaskedArray.flags −
print("
我们的掩码数组标志...
",maskArr.flags)
示例
import numpy as np
import numpy.ma as ma
# 使用 numpy.array() 方法创建一个 numpy 数组
arr = np.array([[35, 85], [67, 33]])
print("数组...
", arr)
print("
数组类型...
", arr.dtype)
# 获取数组的维度
print("数组维度...",arr.ndim)
# 获取有关数组内存布局的信息
print("
Array flags...
",arr.flags)
# 创建一个屏蔽数组，并将其中一些屏蔽为无效
maskArr = ma.masked_array(arr, mask =[[0, 0], [ 0, 1]])
print("
我们的掩码数组
", maskArr)
print("
我们的掩码数组类型...
", maskArr.dtype)
# 获取掩码数组的维度
print(" 我们的掩码数组维度...",maskArr.ndim)
# 要获取有关掩码数组内存布局的信息，请使用 Numpy 中的 ma.MaskedArray.flags
print("
我们的掩码数组标志...
",maskArr.flags)
输出
数组... [[35 85] [67 33]] 数组类型... int64 数组维度... 2 数组标志... C_CONTIGUOUS : True F_CONTIGUOUS : False OWNDATA : True WRITEABLE : True ALIGNED : True WRITEBACKIFCOPY : False UPDATEIFCOPY : False 我们的掩码数组 [[35 85] [67 --]] 我们的掩码数组类型... int64 我们的掩码数组维度... 2 我们的掩码数组标志... C_CONTIGUOUS : True F_CONTIGUOUS : False OWNDATA : False WRITEABLE : True ALIGNED : True WRITEBACKIFCOPY : False UPDATEIFCOPY : False
