在 Numpy 中对数据与值完全相等的数组进行掩码处理
numpyserver side programmingprogramming更新于 2025/8/15 1:52:17
要对数据与值完全相等的数组进行掩码处理，请使用 Python Numpy 中的 numpy.ma.masked_object() 方法。此函数类似于 masked_values，但仅适用于对象数组:对于浮点数，请使用 masked_values。
掩码数组是标准 numpy.ndarray 和掩码的组合。掩码可以是 nomask(表示关联数组的所有值均有效)，也可以是布尔值数组，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() 方法创建一个包含 int 元素的数组 −
arr = np.array([[71, 55, 91], [82, 33, 39], [73, 82, 51], [90, 45, 82]])
print("数组...
", arr)
获取数组的类型 −
print("
数组类型...
", arr.dtype)
获取数组的维度 −
print("
数组维度...
",arr.ndim)
获取数组的形状 −
print("
我们的数组形状...
",arr.shape)
获取数组元素的数量 −
print("
数组中元素的数量...
",arr.size)
要屏蔽数据与值完全相等的数组，请使用 Python Numpy 中的 numpy.ma.masked_object() 方法 −
print("
结果...
",np.ma.masked_object(arr, 82))
示例
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, 91], [82, 33, 39], [73, 82, 51], [90, 45, 82]])
print("数组...
", arr)
# 获取数组的类型
print("
数组类型...
", arr.dtype)
# 获取数组的维度
print("
数组维度...
",arr.ndim)
# 获取数组的形状
print("
我们的数组形状...
",arr.shape)
# 获取数组元素的数量
print("
数组中元素的数量...
",arr.size)
# 要屏蔽数据与值完全相等的数组，请使用 Python Numpy 中的 numpy.ma.masked_object() 方法
print("
结果...
",np.ma.masked_object(arr, 82))
输出
数组... [[71 55 91] [82 33 39] [73 82 51] [90 45 82]] 数组类型... int64 数组维度... 2 我们的数组形状... (4, 3) 数组中元素的数量... 12 结果... [[71 55 91] [-- 33 39] [73 -- 51] [90 45 --]]
