numpy中的掩码数组如何使用

本篇内容介绍了“numpy中的掩码数组如何使用”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

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。

“numpy中的掩码数组如何使用”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注亿速云网站，小编将为大家输出更多高质量的实用文章！