numpy中的掩码数组的使用
作者:生信修炼手册 时间:2022-10-19 23:36:46
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。
来源:https://cloud.tencent.com/developer/article/1641455
标签:numpy,掩码数组
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
SQL Server Bulk Insert 只需要部分字段时的方法
2011-10-24 19:44:49
Python实现对PPT文件进行截图操作的方法
2021-10-14 13:25:19
Python从列表推导到zip()函数的5种技巧总结
2023-07-31 00:57:11
对Django中static(静态)文件详解以及{% static %}标签的使用方法
2021-03-27 20:28:21
Python模块学习 filecmp 文件比较
2023-07-09 18:30:44
一篇文章搞懂Python Unittest测试方法的执行顺序
2023-11-01 09:38:01
![](https://img.aspxhome.com/file/2023/7/86547_0s.png)
Python pip替换为阿里源的方法步骤
2023-07-19 15:39:23
![](https://img.aspxhome.com/file/2023/8/118078_0s.png)
matplotlib在python上绘制3D散点图实例详解
2022-01-16 03:11:11
![](https://img.aspxhome.com/file/2023/1/115751_0s.png)
一文搞懂Python中的进程,线程和协程
2023-06-13 17:26:41
![](https://img.aspxhome.com/file/2023/9/65069_0s.png)
Python3调用微信企业号API发送文本消息代码示例
2023-05-03 16:23:41
python dumps和loads区别详解
2021-07-25 19:34:53
JavaScript 颜色梯度和渐变效果
2009-03-18 11:16:00
![](https://img.aspxhome.com/file/UploadPic/20093/18/ColorGrads-46s.gif)
Python基于numpy灵活定义神经网络结构的方法
2023-09-30 15:03:52
python温度转换华氏温度实现代码
2021-09-01 22:30:49
opencv-python 开发环境的安装、配置教程详解
2022-04-25 22:14:58
![](https://img.aspxhome.com/file/2023/7/89377_0s.jpg)
python滑块验证码的破解实现
2023-11-27 11:46:17
![](https://img.aspxhome.com/file/2023/7/70677_0s.png)
asp操作Excel类源码
2009-12-25 19:01:00
Python自动化测试框架之unittest使用详解
2021-07-02 17:42:27
python根据京东商品url获取产品价格
2022-01-26 12:14:31
BeautifulSoup中find和find_all的使用详解
2023-11-08 21:00:22
![](https://img.aspxhome.com/file/2023/4/93514_0s.png)