masked-array相关内容
假设我有一个二维坐标数组,看起来像 x = array([[1,2],[2,3],[3,4]]) 之前在我的工作中,我生成了一个最终看起来像的面具 mask = [False,False,True] 当我尝试在 2D 坐标向量上使用此蒙版时,出现错误 newX = np.ma.compressed(np.ma.masked_array(x,mask))>>>numpy.m
..
我正在使用 numpy genfromtxt,我需要识别丢失的数据和错误的数据.根据用户输入,我可能想要删除错误值或引发错误.本质上,我想将丢失的数据和错误的数据视为同一件事. 假设我有一个这样的文件,其中列的数据类型为“date、int、float" 日期、ID、值2017-12-4,0,#坏.缺失数据2017-12-4,1,XYZ # 不好.值应该是浮点数,而不是字符串.2017-12
..
我有一幅图像,该图像是通过 skimage.measure.find_contours()在其上找到轮廓的,但是现在我想为完全在最大闭合轮廓之外的像素创建一个遮罩.任何想法如何做到这一点? 修改文档中的示例: 将numpy导入为np导入matplotlib.pyplot作为plt从skimage导入度量#构造一些测试数据x,y = np.ogrid [-np.pi:np.pi:100j,-
..
在我的代码中,有时我尝试修改掩码数组的值,但是python似乎忽略了这一点.我在想这与将内存存储在数组中的方式有关,就好像我在修改值的副本而不是值本身一样,但是我对此并不足够了解,因此不知道如何解析它. 这是我要执行的操作的简化版本: x = np.zeros((2,5))#创建二维零数组x [0] [1:3] = 5#将第一维上的某些值替换为5mask =(x [0]> 0)#创建
..
我正在尝试在包含NaN的大型numpy数组中计算移动平均值.目前我正在使用: import numpy as np def moving_average(a,n=5): ret = np.cumsum(a,dtype=float) ret[n:] = ret[n:]-ret[:-n] return ret[-1:]/n 使用遮罩数组进行计算时:
..
我了解如何创建掩码数组,并且我想在记录数组中使用掩码,以便可以使用命名属性访问此数据.从蒙版数组创建记录数组时,蒙版似乎“丢失"了: >>> data = np.ma.array(np.ma.zeros(30, dtype=[('date', '|O4'), ('price', '>> data masked_
..
我注意到 numpy掩码数组均值方法在可能不应该的情况下返回不同的类型: import numpy as np A = np.ma.masked_equal([1,1,0], value=0) B = np.ma.masked_equal([1,1,1], value=0) # no masked values type(A.mean()) #numpy.float64 type(B.m
..
说我有一个二维坐标数组,看起来像 x = array([[1,2],[2,3],[3,4]]) 到目前为止,在以前的工作中,我生成了一个面具,最终看起来像 mask = [False,False,True] 当我尝试在2D坐标矢量上使用此蒙版时,出现错误 newX = np.ma.compressed(np.ma.masked_array(x,mask)) >>>n
..