numpy.ma.masked_values

ma.masked_values(x, value, rtol=1e-05, atol=1e-08, copy=True, shrink=True)

使用浮点相等性进行掩盖.

返回一个 MaskedArray,其中数组 x 中数据近似等于 value 的位置被掩盖,使用 isclose 确定. masked_values 的默认容差与 isclose 的容差相同.

对于整数类型,使用精确的等于比较,与 masked_equal 的方式相同.

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

参数:

xarray_like

要进行掩码的数组.

valuefloat

掩码值.

rtol, atolfloat, optional

传递给 isclose 的容差参数.

copybool,可选

是否返回 x 的副本.

shrinkbool,可选

是否将全部为 False 的掩码折叠为 nomask .

返回:

resultMaskedArray

对 x 进行掩码的结果,其中近似等于 value .

参见

masked_where

在满足条件的地方进行屏蔽.

masked_equal

掩盖等于给定值的位置(整数).

示例

Try it in your browser!

>>> 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 可以执行近似相等比较.

>>> 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)

Go BackOpen In Tab