Python numpy ma.array用法及代码示例

本文简要介绍 python 语言中 numpy.ma.array 的用法。

用法:

ma.array(data, dtype=None, copy=False, order=None, mask=False, fill_value=None, keep_mask=True, hard_mask=False, shrink=True, subok=True, ndmin=0)

具有可能被屏蔽的值的数组类。

True 的掩码值将相应元素排除在任何计算之外。

建造：

x = MaskedArray(data, mask=nomask, dtype=None, copy=False, subok=True,
                ndmin=0, fill_value=None, keep_mask=True, hard_mask=None,
                shrink=True, order=None)

参数：

data： array_like

输入数据。

mask： 顺序，可选

掩码。必须可转换为与数据具有相同形状的布尔数组。 True 表示屏蔽(即无效)数据。

dtype： dtype，可选

输出的数据类型。如果 dtype 为 None，则使用数据参数 (data.dtype) 的类型。如果 dtype 不是 None 并且与 data.dtype 不同，则执行复制。

copy： 布尔型，可选

是复制输入数据 (True)，还是使用引用。默认为假。

subok： 布尔型，可选

是否返回 MaskedArray 的子类(如果可能)(真)或普通的 MaskedArray 。默认为真。

ndmin： 整数，可选

最小维度数。默认值为 0。

fill_value： 标量，可选

必要时用于填充掩码值的值。如果没有，则使用基于数据类型的默认值。

keep_mask： 布尔型，可选

是否将掩码与输入数据的掩码组合(如果有)(真)，或者仅对输出使用掩码(假)。默认为真。

hard_mask： 布尔型，可选

是否使用硬掩码。使用硬掩码，被掩码的值不能被取消掩码。默认为假。

shrink： 布尔型，可选

是否强制压缩空掩码。默认为真。

order： {‘C’, ‘F’, ‘A’}，可选

指定数组的顺序。如果 order 为“C”，则数组将按 C-contiguous 顺序排列(last-index 变化最快)。如果 order 为“F”，则返回的数组将按 Fortran-contiguous 顺序(first-index 变化最快)。如果 order 是“A”(默认)，则返回的数组可以是任何顺序(C-、Fortran-contiguous，甚至是不连续的)，除非需要副本，在这种情况下它将是 C-contiguous。

例子：

mask 可以使用与 data 形状相同的布尔值数组进行初始化。

>>> data = np.arange(6).reshape((2, 3))
>>> np.ma.MaskedArray(data, mask=[[False, True, False],
...                               [False, False, True]])
masked_array(
  data=[[0, --, 2],
        [3, 4, --]],
  mask=[[False,  True, False],
        [False, False,  True]],
  fill_value=999999)

或者，mask 可以通过传入一个标量布尔值初始化为具有与 data 相同形状的同构布尔数组：

>>> np.ma.MaskedArray(data, mask=False)
masked_array(
  data=[[0, 1, 2],
        [3, 4, 5]],
  mask=[[False, False, False],
        [False, False, False]],
  fill_value=999999)

>>> np.ma.MaskedArray(data, mask=True)
masked_array(
  data=[[--, --, --],
        [--, --, --]],
  mask=[[ True,  True,  True],
        [ True,  True,  True]],
  fill_value=999999,
  dtype=int64)

注意

使用标量布尔值初始化 mask 的推荐做法是使用 True /False 而不是 np.True_ /np.False_ 。原因是 nomask 在内部表示为 np.False_ 。

>>> np.False_ is np.ma.nomask
True