在 NumPy 中转储掩码数组的 pickle
numpyserver side programmingprogramming
要 pickle 掩码数组，请使用 Python Numpy 中的 ma.MaskedArray.dumps() 方法。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，要么是布尔数组，用于确定关联数组的每个元素的值是否有效。
NumPy 提供全面的数学函数、随机数生成器、线性代数例程、傅里叶变换等。它支持广泛的硬件和计算平台，并且与分布式、GPU 和稀疏数组库配合良好。
步骤
首先，导入所需的库 −
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([[55, 85, 68, 84], [67, 33, 39, 53], [29, 88, 51, 37], [56, 45, 99, 85]])
print("数组...
", arr)
print("
数组类型...
", arr.dtype)
获取数组的维度 −
print("数组维度...
",arr.ndim)
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, 1, 0, 0], [ 0, 0, 1, 0], [0, 0, 0, 1], [0, 1, 0, 0]])
print("
我们的掩码数组
", maskArr)
print("
我们的掩码数组类型...
", maskArr.dtype)
获取掩码数组的维度 −
print("
我们的掩码数组维度...
",maskArr.ndim)
获取掩码数组的维度 −
print("
我们的掩码数组形状...
",maskArr.shape)
获取掩码数组元素的数量 −
print("
掩码数组中的元素...
",maskArr.size)
要对掩码数组进行 pickle，请使用 ma.MaskedArray.dumps() 方法 −
pickArr = maskArr.dumps()
显示 pickle −
print("
对掩码数组进行 pickle...
",pickArr)
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([[55, 85, 68, 84], [67, 33, 39, 53], [29, 88, 51, 37], [56, 45, 99, 85]])
print("数组...
", arr)
print("
数组类型...
", arr.dtype)
# 获取数组的维度
print("
数组维度...
",arr.ndim)
# 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, 1, 0, 0], [ 0, 0, 1, 0], [0, 0, 0, 1], [0, 1, 0, 0]])
print("
我们的掩码数组
", maskArr)
print("
我们的掩码数组类型...
", maskArr.dtype)
# 获取掩码数组的维度
print("
我们的掩码数组维度...
",maskArr.ndim)
# 获取掩码数组的形状
print("
我们的掩码数组形状...
",maskArr.shape)
# 获取屏蔽数组的元素数量
print("
屏蔽数组中的元素...
",maskArr.size)
# 要对屏蔽数组进行 pickle，请使用 ma.MaskedArray.dumps() 方法
pickArr = maskArr.dumps()
# 显示 pickle
print("
屏蔽数组的 Pickle...
",pickArr)
输出
数组... [[55 85 68 84] [67 33 39 53] [29 88 51 37] [56 45 99 85]] 数组类型... int64 数组维度... 2 我们的屏蔽数组 [[-- -- 68 84] [67 33 -- 53] [29 88 51 --] [56 -- 99 85]] 我们的屏蔽数组类型... int64 我们的屏蔽数组维度... 2 我们的屏蔽数组形状... (4, 4) 屏蔽数组中的元素... 16 屏蔽数组的 Pickle... b"\x80\x02cnumpy.ma.core
_mareconstruct
q\x00(cnumpy.ma.core
MaskedArray
q\x01cnumpy
ndarray
q\x02K\x00\x85q\x03X\x01\x00\x00\x00bq\x04tq\x05Rq\x06(K\x01K\x04K\x04\x86q\x07cnumpy
dtype
q\x08X\x02\x00\x00\x00i8q\t\x89\x88\x87q
Rq\x0b(K\x03X\x01\x00\x00\x00<q\x0cNNNJ\xff\xff\xff\xffJ\xff\xff\xff\xffK\x00tq\rb\x89c_codecs
encode
q\x0eX\x80\x00\x00\x007\x00\x00\x00\x00\x00\x00\x00U\x00\x00\x00\x00\x00\x00\x00D\x00\x00\x00\x00\x00\x00\x00T\x00\x00\x00\x00\x00\x00\x00C\x00\x00\x00\x00\x00\x00\x00!\x00\x00\x00\x00\x00\x00\x00'\x00\x00\x00\x00\x00\x00\x005\x00\x00\x00\x00\x00\x00\x00\x1d\x00\x00\x00\x00\x00\x00\x00X\x00\x00\x00\x00\x00\x00\x003\x00\x00\x00\x00\x00\x00\x00%\x00\x00\x00\x00\x00\x00\x008\x00\x00\x00\x00\x00\x00\x00-\x00\x00\x00\x00\x00\x00\x00c\x00\x00\x00\x00\x00\x00\x00U\x00\x00\x00\x00\x00\x00\x00q\x0fX\x06\x00\x00\x00latin1q\x10\x86q\x11Rq\x12h\x0eX\x10\x00\x00\x00\x01\x01\x00\x00\x00\x00\x01\x00\x00\x00\x00\x01\x00\x01\x00\x00q\x13h\x10\x86q\x14Rq\x15Ntq\x16b."
