數據很大形況下是凌亂的，并且含有空白的或者無法處理的字符，掩碼式數組可以很好的忽略殘缺的或者是無效的數據點。掩碼式數組由一個正常數組與一個布爾式數組組成，若布爾數組中為Ture，則表示正常數組中對應下標的值無效，反之False表示對應正常數組的值有效。

創建方法為，首先創建一個布爾型數組，然后通過numpy.ma子程序包提供的函數來創建掩碼式數組，掩碼式數組提供了各種所需函數。

創建實例如下：

import numpy as nporigin = np.arange(16).reshape(4,4)  #生成一個4×4的矩陣np.random.shuffle(origin)     #隨機打亂矩陣元素random_mask = np.random.randint(0,2,size=origin.shape)#生成隨機[0,2)的整數的4×4矩陣mask_array = np.ma.array(origin,mask=random_mask)#生成掩碼式矩陣print(mask_array)

結果如下：

[[12 13 -- 15] [8 9 10 --] [-- -- -- 3] [-- 5 6 --]]

用于：

1.對負數取對數

import numpy as nptriples = np.arange(0,10,3)#每隔3取0到10中的整數，（0，3，6，9）signs = np.ones(10)#（1，1，1，1，1，1，1，1，1）signs[triples] = -1#（-1，1，1，-1，1，1，-1，1，1，-1）values = signs * 77#（-77，77，77,-77，77，77,-77，77，77,-77）ma_log = np.ma.log(values)#掩碼式取對數print(ma_log)

結果為：

[-- 4.343805421853684 4.343805421853684 -- 4.343805421853684 4.343805421853684 -- 4.343805421853684 4.343805421853684 --]

2.忽略極值

import numpy as npinside = np.ma.masked_outside(array,min,max)

以上這篇Numpy掩碼式數組詳解就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持武林站長站。