Python Numpy,mask圖像的生成詳解
在numpy中,有一個模塊叫做ma,這個模塊幾乎復制了numpy里面的所有函數(shù),當然底層里面都換成了對自己定義的新的數(shù)據(jù)類型MaskedArray的操作。
我們來看最基本的array定義。
An array class with possibly masked values. Masked values of True exclude the corresponding element from any computation.
MaskedArray是一個可能帶有掩膜信息的數(shù)組,對于它的任何計算都是只針對掩膜值為True的數(shù)值上的。
Construction:: 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)
這個class的屬性有很多,但是呢,我們只需要關注三個屬性就好了,也就是data,mask和fill_value。其他的屬性很難用到,舉個例子,比如那個hard_mask,這個屬性為True就是指data一旦某些值被掩蓋掉了就真的丟失了。詳細的可以看源碼注解。這里不過多介紹。
Parameters ---------- data : array_like Input data. mask : sequence, optional Mask. Must be convertible to an array of booleans with the same shape as `data`. True indicates a masked (i.e. invalid) data. fill_value : scalar, optional Value used to fill in the masked values when necessary. If None, a default based on the data-type is used.
data就不多說了,一個array_like,tuple,list,ndarray都行。
mask是一個只包含True和False的ndarray,它的shape和data一致,這個數(shù)組是讓你指定需要掩蓋的值的,標記為True的數(shù)據(jù)會被掩蓋掉。被掩蓋的位置會變成 –(這是兩個短橫杠,類型是MaskedConstant )
fill_value是一個標量,當你掩蓋掉一些值之后,如果你想把這些被掩蓋的值換成另外一個值,那么你就需要用到它。
import numpy.ma as npm import numpy as np data = np.random.randint(1, 10, size=[1, 5, 5]) mask = data < 5 arr = npm.array(data, mask=mask) print(arr) #[[[6 6 -- 8 --] # [-- -- -- 6 7] # [9 -- -- 6 9] # [-- -- 5 -- 8] # [6 9 -- 5 --]]]
不過numpy也可以直接對ndarray進行條件運算。
import numpy as np arr = np.random.randint(1, 10, size=[1, 5, 5]) mask = arr<5 arr[mask] = 0 # 把標記為True的值記為0 print(arr) #[[[9 9 7 6 0] # [0 0 6 9 0] # [8 0 8 5 0] # [0 5 5 8 9] # [0 7 0 0 6]]]
以上這篇Python Numpy, mask圖像的生成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腳本之家。
相關文章
Python用內置模塊來構建REST服務與RPC服務實戰(zhàn)
這篇文章主要介紹了Python用內置模塊來構建REST服務與RPC服務實戰(zhàn),python在網(wǎng)絡方面封裝一些內置模塊,可以用很簡潔的代碼實現(xiàn)端到端的通信,比如HTTP、RPC服務,下文實戰(zhàn)詳情,需要的朋友可以參考一下2022-09-09淺談Python處理json字符串為什么不建議使用eval()
本文主要介紹了Python處理json字符串為什么不建議使用eval(),文中通過示例代碼介紹的非常詳細,具有一定的參考價值,感興趣的小伙伴們可以參考一下2021-10-10淺談numpy中np.array()與np.asarray的區(qū)別以及.tolist
這篇文章主要介紹了淺談numpy中np.array()與np.asarray的區(qū)別以及.tolist,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-06-06從0編寫區(qū)塊鏈之用python解釋區(qū)塊鏈最基本原理
人工智能和區(qū)塊鏈誕生至今已經(jīng)有了十幾年,當這些技術出現(xiàn)時,人們都說他們會改變世界,但至今為止,這兩項技術對現(xiàn)實的影響依然有限,接下來通過本文介紹下從0編寫區(qū)塊鏈之用python解釋區(qū)塊鏈最基本原理,需要的朋友可以參考下2022-02-02python 計算兩個列表的相關系數(shù)的實現(xiàn)
這篇文章主要介紹了python 計算兩個列表的相關系數(shù)的實現(xiàn),文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧2019-08-08