numpy.ma.masked_values¶
-
numpy.ma.
masked_values
(x, value, rtol=1e-05, atol=1e-08, copy=True, shrink=True)[source]¶ 使用浮点平等的掩码。
返回MaskedArray,其中数组x中的数据大约等于值,即以下条件为True
(abs(x-值)
如果可能,fill_value设置为value,掩码设置为
nomask
。对于整数,请考虑使用masked_equal
。参数: x:array_like
数组掩码。
value:float
掩蔽值。
rtol:float,可选
公差参数。
atol:float,可选
公差参数(1e-8)。
copy:bool,可选
是否返回x的副本。
shrink:bool,可选
是否将满屏为False的遮罩折叠到
nomask
。返回: result:MaskedArray
屏蔽x的结果,其中约等于值。
也可以看看
masked_where
- 满足条件的掩码。
masked_equal
- 掩码等于给定值(整数)。
例子
>>> import numpy.ma as ma >>> x = np.array([1, 1.1, 2, 1.1, 3]) >>> ma.masked_values(x, 1.1) masked_array(data = [1.0 -- 2.0 -- 3.0], mask = [False True False True False], fill_value=1.1)
注意,如果可能,掩码设置为
nomask
。>>> ma.masked_values(x, 1.5) masked_array(data = [ 1. 1.1 2. 1.1 3. ], mask = False, fill_value=1.5)
对于整数,填充值通常与
masked_equal
的结果不同。>>> x = np.arange(5) >>> x array([0, 1, 2, 3, 4]) >>> ma.masked_values(x, 2) masked_array(data = [0 1 -- 3 4], mask = [False False True False False], fill_value=2) >>> ma.masked_equal(x, 2) masked_array(data = [0 1 -- 3 4], mask = [False False True False False], fill_value=999999)