使用 Numpy 中现有数组的属性清空掩码数组
numpyserver side programmingprogramming
要使用现有数组的属性清空掩码数组，请使用 Python Numpy 中的 ma.masked_all_like() 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。
步骤
首先，导入所需的库 −
import numpy as np import numpy.ma as ma
使用 Python Numpy 中的 numpy.array() 方法创建一个新数组 −
arr = np.array([[77, 51, 92], [56, 31, 69], [73, 88, 51], [62, 45, 67]], dtype=np.float32)
显示我们的数组 −
print("数组...
",arr)
获取数据类型 −
print("
数组数据类型...
",arr.dtype)
要使用现有数组的属性清空掩码数组，请使用 ma.masked_all_like() −
arr = ma.masked_all_like(arr)
显示我们的数组 −
print("
新数组...
",arr)
获取数据类型 −
print("
新数组数据类型...
",arr.dtype)
获取数组的维度 −
print("
数组维度...
",arr.ndim)
获取数组的形状 −
print("
我们的数组形状...
",arr.shape)
获取数组元素的数量 −
print("
数组中的元素...
",arr.size)
示例
# Python ma.MaskedArray - 使用现有数组的属性清空掩码数组
import numpy as np
import numpy.ma as ma
# 使用 Python Numpy 中的 numpy.array() 方法创建新数组
arr = np.array([[77, 51, 92], [56, 31, 69], [73, 88, 51], [62, 45, 67]], dtype=np.float32)
# 显示我们的数组
print("数组...
",arr)
# 获取数据类型
print("
数组数据类型...
",arr.dtype)
# 要使用现有数组的属性清空掩码数组，请使用 Python Numpy 中的 ma.masked_all_like() 方法
arr = ma.masked_all_like(arr)
# 显示我们的数组
print("
新库存...
",arr)
# 获取数据类型
print("
新库存数据类型...
",arr.dtype)
# 获取数组的维度
print("
存储维度...
",arr.ndim)
# 获取数组的形状
print("
我们的吞吐量形状...
",arr.shape)
# 获取Array的元素个数
print("
数组中的元素...
",arr.size)
输出
数组... [[77. 51. 92.] [56. 31. 69.] [73. 88. 51.] [62. 45. 67.]] 数组数据类型... float32 新数组... [[-- -- --] [-- -- --] [-- -- --] [-- -- --]] 新数组数据类型... float32 数组维度... 2 我们的数组形状... (4, 3) 数组中的元素... 12
