在 Numpy 中使用浮点相等性进行掩码
numpyserver side programmingprogramming更新于 2025/8/15 1:22:17
要使用浮点相等性进行掩码，请使用 Python Numpy 中的 numpy.ma.masked_values() 方法。返回一个 MaskedArray，其中数组 x 中的数据约等于使用 isclose 确定的值。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。掩码可以是 nomask(表示关联数组中所有值均有效)，也可以是一个布尔值数组，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, 82.8], [82.8, 33, 39], [73, 82.3, 51], [90, 77, 82.8]])
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)
要使用浮点相等性进行掩码，请使用 Python Numpy 中的 numpy.ma.masked_values() 方法 −
print("
结果...
",np.ma.masked_values(arr, 82.8))
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, 82.8], [82.8, 33, 39], [73, 82.3, 51], [90, 77, 82.8]])
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)
# 要使用浮点相等性进行掩码，请使用 Python Numpy 中的 numpy.ma.masked_values() 方法
print("
结果...
",np.ma.masked_values(arr, 82.8))
输出
数组... [[71. 55. 82.8] [82.8 33. 39. ] [73. 82.3 51. ] [90. 77. 82.8]] 数组类型... float64 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... [[71.0 55.0 --] [-- 33.0 39.0] [73.0 82.3 51.0] [90.0 77.0 --]]
