numpy中的掩码数组的使用
更新时间：2023年02月20日 10:45:43 作者：生信修炼手册
本文主要介绍了numpy中的掩码数组的使用，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
numpy中有一个掩码数组的概念，需要通过子模块numpy.ma来创建，基本的创建方式如下
>>> import numpy as np
>>> import numpy.ma as ma
>>> a = np.arange(5)
>>> a
array([0, 1, 2, 3, 4])
>>> b = ma.masked_array(a, mask = [1, 1, 1, 0, 0])
>>> b
masked_array(data = [-- -- -- 3 4],
mask = [ True True True False False],
fill_value = 999999)
>>> np.min(a)
0
>>> np.min(b)
3
所谓掩码，就是掩盖的意思。上述代码中，掩藏了数组的前3个元素，形成了一个新的掩码数组，在该掩码数组中，被掩藏的前3位用短横杠表示，对原始数组和对应的掩码数组同时求最小值，可以看到，掩码数组中只有未被掩藏的元素参与了计算。
掩码数组赋予了我们重新选择元素的权利，而不用改变矩阵的维度。在可视化领域，最典型的应用就是绘制三角热图，代码如下
import matplotlib.pyplot as plt import numpy as np import numpy.ma as ma data = np.random.rand(25 * 25).reshape(25, -1) mask = np.tri(data.shape[0], k= -1) data_masked = ma.array(data, mask=mask) fig, (ax1, ax2) = plt.subplots(1, 2) ax1.imshow(data) ax2.imshow(data_masked)
输出结果如下
通过掩码矩阵，可以轻松实现三角热图的绘制。在numpy.ma子模块中，还提供了多种创建掩码数组的方式，用法如下
>>> import numpy.ma as ma >>> a array([0, 1, 2, 3, 4]) # 等于2的元素被掩盖 >>> ma.masked_equal(a, 2) masked_array(data = [0 1 -- 3 4], mask = [False False True False False], fill_value = 2) # 不等于2的元素被掩盖 >>> ma.masked_not_equal(a, 2) masked_array(data = [-- -- 2 -- --], mask = [ True True False True True], fill_value = 999999) # 大于2的元素被掩盖 >>> ma.masked_greater(a, 2) masked_array(data = [0 1 2 -- --], mask = [False False False True True], fill_value = 999999) # 小于2的元素被掩盖 >>> ma.masked_less(a, 2) masked_array(data = [-- -- 2 3 4], mask = [ True True False False False], fill_value = 999999) # 大于等于2的元素被掩盖 >>> ma.masked_greater_equal(a, 2) masked_array(data = [0 1 -- -- --], mask = [False False True True True], fill_value = 999999) # 小于等于2的元素被掩盖 >>> ma.masked_less_equal(a, 2) masked_array(data = [-- -- -- 3 4], mask = [ True True True False False], fill_value = 999999) # 小于1大于3的元素被掩盖 >>> ma.masked_outside(a, 1, 3) masked_array(data=[--, 1, 2, 3, --], mask=[ True, False, False, False, True], fill_value=999999) # 大于等于1，小于等于3的元素被掩盖 >>> ma.masked_inside(a, 1, 3) masked_array(data=[0, --, --, --, 4], mask=[False, True, True, True, False], fill_value=999999)
利用掩码数组，可以方便的处理缺失值或者被污染的值，只需要将对应的元素掩码即可，更多的用法请查阅官方的API文档。
到此这篇关于numpy中的掩码数组的使用的文章就介绍到这了,更多相关numpy 掩码数组内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
您可能感兴趣的文章:
相关文章
这篇文章主要介绍了Python操作MongoDb数据库流程详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-03-03
这篇文章主要介绍了使用Django清空数据库并重新生成，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-04-04
这篇文章主要介绍了通过实例解析python创建进程常用方法,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-06-06
这篇文章主要为大家详细介绍了如何利用Python+Pytorch实现彩色图片识别功能，文中的示例代码讲解详细，感兴趣的小伙伴可以了解一下2022-09-09
这篇文章主要为大家分享如何利用Python中的Tkinter库制作一个简易的在线个性签名生成工具，文中的示例代码讲解详细，感兴趣的小伙伴可以了解一下2022-03-03
这篇文章主要介绍了关于Python中模块的简介、定义与使用,模块是Python的重要组成部分,需要的朋友可以参考下2023-04-04
python词云库wordCloud使用方法详解(解决中文乱码)
这篇文章主要介绍了python词云库wordCloud使用方法详解(解决中文乱码),需要的朋友可以参考下2020-02-02
当我们书写一个python程序时,我们在控制台输入信息时,往往多有不便,并且为了更加美观且直观的方式输入控制命令,我们常常设计一个ui界面,这样就能方便执行相关功能,如计算器、日历等界面,本博客是为了给ui设计的小白进行讲解,需要的朋友可以参考下2024-07-07
这篇文章通过详细的python代码实现尼姆游戏，小编觉得挺不错的。现在分享给大家，也给大家做个参考，需要的朋友可以收藏下。一起跟随小编过来看看吧2021-12-12
现在很多场景需要使用的数字识别,比如银行卡识别,以及车牌识别等,在AI领域有很多图像识别算法,大多是居于opencv 或者谷歌开源的tesseract 识别,下面这篇文章主要给大家介绍了关于如何基于opencv实现简单的数字识别,需要的朋友可以参考下2021-09-09
最新评论