在 Numpy 中计算连续元素之间的差异并附加数字数组
numpyserver side programmingprogramming
要计算掩码数组的连续元素之间的差异,请使用 Python Numpy 中的 MaskedArray.ediff1d() 方法。"to_end" 参数设置要附加在返回差异末尾的数字数组。
此函数相当于考虑掩码值的 numpy.ediff1d,有关详细信息,请参阅 numpy.ediff1d。
掩码数组是标准 numpy.ndarray 和掩码的组合。掩码要么是 nomask,表示关联数组的任何值都无效,要么是布尔值数组,用于确定关联数组的每个元素的值是否有效。
步骤
首先,导入所需的库 −
import numpy as np
使用 numpy.array() 方法创建一个包含 int 元素的数组 −
arr = np.array([[65, 68, 81], [93, 33, 76], [73, 88, 51], [62, 45, 67]]) print("数组...
", arr)
创建一个掩码数组并将其中一些掩码为无效−
maskArr = ma.masked_array(arr, mask =[[1, 0, 0], [ 0, 0, 0], [0, 1, 0], [0, 0, 0]]) print("
我们的掩码数组...
", maskArr)
获取掩码数组的类型 −
print("
我们的掩码数组类型...
", maskArr.dtype)
获取掩码数组的维度 −
print("
我们的掩蔽数组维度...
",maskArr.ndim)
获取掩码数组的形状 −
print("
我们的掩码数组形状...
",maskArr.shape)
获取掩码数组的元素数量 −
print("
掩码数组中的元素数量...
",maskArr.size)
要计算掩码数组中连续元素之间的差异,请使用 Python Numpy 中的 MaskedArray.ediff1d() 方法。"to_end" 参数设置要附加在返回差异末尾的数字数组 −
appendArr = np.array([996, 997, 998, 999]) print("
结果..
.", np.ediff1d(maskArr, to_end=appendArr))
示例
import numpy as np import numpy.ma as ma # 使用 numpy.array() 方法创建一个包含 int 元素的数组 arr = np.array([[65, 68, 81], [93, 33, 76], [73, 88, 51], [62, 45, 67]]) print("数组...
", arr) # 创建一个掩码数组并将其中一些掩码为无效 maskArr = ma.masked_array(arr, mask =[[1, 0, 0], [ 0, 0, 0], [0, 1, 0], [0, 0, 0]]) print("
我们的掩码数组...
", maskArr) # 获取掩码数组的类型 print("
我们的掩码数组类型...
", maskArr.dtype) # 获取掩码数组的维度 print("
我们的掩蔽数组维度...
",maskArr.ndim) # 获取掩码数组的形状 print("
我们的掩码数组形状...
",maskArr.shape) # 获取掩码数组的元素数量 print("
掩码数组中的元素数量...
",maskArr.size) # 要计算掩码数组中连续元素之间的差异,请使用 Python Numpy 中的 MaskedArray.ediff1d() 方法 # "to_end" 参数设置要附加在返回差异末尾的数字数组。 appendArr = np.array([996, 997, 998, 999]) print("
结果..
.", np.ediff1d(maskArr, to_end=appendArr))
输出
数组... [[65 68 81] [93 33 76] [73 88 51] [62 45 67]] 我们的掩码数组... [[-- 68 81] [93 33 76] [73 -- 51] [62 45 67]] 我们的掩码数组类型... int64 我们的掩码数组维度... 2 我们的掩码数组形状... (4, 3) 掩码数组中的元素数量... 12 结果.. . [ 3 13 12 -60 43 -3 15 -37 11 -17 22 996 997 998 999]