numpy.ma.array#

ma.array(data, dtype=None, copy=False, order=None, mask=np.False_, fill_value=None, keep_mask=True, hard_mask=False, shrink=True, subok=True, ndmin=0)[源]#

一个可能包含被掩码值的数组类。

值为 True 的掩码值会将相应元素排除在任何计算之外。

构造函数

x = MaskedArray(data, mask=nomask, dtype=None, copy=False, subok=True,
                ndmin=0, fill_value=None, keep_mask=True, hard_mask=None,
                shrink=True, order=None)
参数:
data类数组对象

输入数据。

mask序列，可选

掩码。必须可转换为一个布尔数组，其形状与 data 相同。True 表示掩码（即无效）数据。

dtypedtype, optional

输出的数据类型。如果 dtype 为 None，则使用 data 参数的数据类型 (data.dtype)。如果 dtype 不为 None 且与 data.dtype 不同，则会执行复制。

copybool, optional

是否复制输入数据（True），还是使用引用。默认为 False。

subokbool, optional

如果可能，是否返回 MaskedArray 的子类（True），还是返回一个普通的 MaskedArray。默认为 True。

ndminint, optional

最小维数。默认为 0。

fill_value标量, 可选

必要时用于填充掩码值的数值。如果为 None，则使用基于数据类型的默认值。

keep_mask布尔值，可选

是否将 mask 与输入数据的掩码（如果存在）组合（True），还是仅使用 mask 作为输出（False）。默认为 True。

hard_mask布尔值，可选

是否使用硬掩码。使用硬掩码时，掩码值无法取消掩码。默认为 False。

shrink布尔值，可选

是否强制压缩空掩码。默认为 True。

order{‘C’, ‘F’, ‘A’}, optional

指定数组的顺序。如果 order 为 ‘C’，则数组将按 C 连续顺序排列（最后一个索引变化最快）。如果 order 为 ‘F’，则返回的数组将按 Fortran 连续顺序排列（第一个索引变化最快）。如果 order 为 ‘A’（默认），则返回的数组可以是任何顺序（C 连续、Fortran 连续，甚至是不连续），除非需要复制，在这种情况下，它将是 C 连续的。

示例

>>> import numpy as np

mask 可以用一个与 data 形状相同的布尔值数组进行初始化。

>>> data = np.arange(6).reshape((2, 3))
>>> np.ma.MaskedArray(data, mask=[[False, True, False],
...                               [False, False, True]])
masked_array(
  data=[[0, --, 2],
        [3, 4, --]],
  mask=[[False,  True, False],
        [False, False,  True]],
  fill_value=999999)

或者，通过传入一个标量布尔值，mask 可以初始化为与 data 形状相同的同质布尔数组。

>>> np.ma.MaskedArray(data, mask=False)
masked_array(
  data=[[0, 1, 2],
        [3, 4, 5]],
  mask=[[False, False, False],
        [False, False, False]],
  fill_value=999999)

>>> np.ma.MaskedArray(data, mask=True)
masked_array(
  data=[[--, --, --],
        [--, --, --]],
  mask=[[ True,  True,  True],
        [ True,  True,  True]],
  fill_value=999999,
  dtype=int64)

注意

使用标量布尔值初始化 mask 的推荐做法是使用 True/False，而不是 np.True_/np.False_。原因是 nomask 在内部表示为 np.False_。

>>> np.False_ is np.ma.nomask
True
在此页面