numpy.ma.masked_values#

ma.masked_values(x, value, rtol=1e-05, atol=1e-08, copy=True, shrink=True)[源代码]#

使用浮点相等性进行掩码。

返回一个 MaskedArray，其中数组 x 中的数据近似等于 value 的位置被掩码，通过使用 isclose 来确定。masked_values 的默认容差与 isclose 的相同。

对于整数类型，使用精确相等性，与 masked_equal 的方式相同。

如果可能，fill_value 被设置为 value，并且 mask 被设置为 nomask。

参数:
x类数组

要进行掩码的数组。

value浮点数

掩码值。

rtol, atol浮点数, 可选

传递给 isclose 的容差参数

copy布尔值, 可选

是否返回 x 的副本。

shrink布尔值, 可选

是否将所有 False 的掩码折叠为 nomask。

返回:
result掩码数组

将 x 中近似等于 value 的位置进行掩码后的结果。

另请参阅

masked_where

当满足条件时进行掩码。

masked_equal

当等于给定值（整数）时进行掩码。

示例

>>> import numpy as np
>>> 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)

请注意，如果可能，mask 将被设置为 nomask。

>>> ma.masked_values(x, 2.1)
masked_array(data=[1. , 1.1, 2. , 1.1, 3. ],
             mask=False,
       fill_value=2.1)

与 masked_equal 不同，masked_values 可以执行近似相等性检查。

>>> ma.masked_values(x, 2.1, atol=1e-1)
masked_array(data=[1.0, 1.1, --, 1.1, 3.0],
             mask=[False, False,  True, False, False],
       fill_value=2.1)
在本页