下面为大家分享一篇numpy掩码式数组详解，具有很好的参考价值，希望对大家有所帮助。一起过来看看吧
数据很大形况下是凌乱的，并且含有空白的或者无法处理的字符，掩码式数组可以很好的忽略残缺的或者是无效的数据点。掩码式数组由一个正常数组与一个布尔式数组组成，若布尔数组中为Ture，则表示正常数组中对应下标的值无效，反之False表示对应正常数组的值有效。
创建方法为，首先创建一个布尔型数组，然后通过numpy.ma子程序包提供的函数来创建掩码式数组，掩码式数组提供了各种所需函数。
创建实例如下：
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)
eSiteGroup站群管理系统1.0.4
下载
eSiteGroup站群管理系统是基于eFramework低代码开发平台构建，是一款高度灵活、可扩展的智能化站群管理解决方案，全面支持SQL Server、SQLite、MySQL、Oracle等主流数据库，适配企业级高并发、轻量级本地化、云端分布式等多种部署场景。通过可视化建模与模块化设计，系统可实现多站点的快速搭建、跨平台协同管理及数据智能分析，满足政府、企业、教育机构等组织对多站点统一管控的
结果如下：
[[12 13 -- 15] [8 9 10 --] [-- -- -- 3] [-- 5 6 --]]
用于：
1.对负数取对数
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)
结果为：
[-- 4.343805421853684 4.343805421853684 -- 4.343805421853684 4.343805421853684 -- 4.343805421853684 4.343805421853684 --]
2.忽略极值
import numpy as np inside = np.ma.masked_outside(array,min,max)
相关推荐：
numpy中实现ndarray数组返回符合特定条件的索引方法
