Python Numpy,mask圖像的生成詳解
在numpy中，有一個(gè)模塊叫做ma，這個(gè)模塊幾乎復(fù)制了numpy里面的所有函數(shù)，當(dāng)然底層里面都換成了對(duì)自己定義的新的數(shù)據(jù)類型MaskedArray的操作。
我們來(lái)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(gè)可能帶有掩膜信息的數(shù)組，對(duì)于它的任何計(jì)算都是只針對(duì)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(gè)class的屬性有很多，但是呢，我們只需要關(guān)注三個(gè)屬性就好了，也就是data，mask和fill_value。其他的屬性很難用到，舉個(gè)例子，比如那個(gè)hard_mask，這個(gè)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(xì)的可以看源碼注解。這里不過(guò)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(shuō)了，一個(gè)array_like，tuple，list，ndarray都行。
mask是一個(gè)只包含True和False的ndarray，它的shape和data一致，這個(gè)數(shù)組是讓你指定需要掩蓋的值的，標(biāo)記為True的數(shù)據(jù)會(huì)被掩蓋掉。被掩蓋的位置會(huì)變成 –（這是兩個(gè)短橫杠，類型是MaskedConstant ）
fill_value是一個(gè)標(biāo)量，當(dāng)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(gè)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(guò)numpy也可以直接對(duì)ndarray進(jìn)行條件運(yùn)算。
import numpy as np arr = np.random.randint(1, 10, size=[1, 5, 5]) mask = arr<5 arr[mask] = 0 # 把標(biāo)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?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
相關(guān)文章
Python實(shí)現(xiàn)簡(jiǎn)單的"導(dǎo)彈" 自動(dòng)追蹤原理解析
這篇文章主要介紹了Python實(shí)現(xiàn)簡(jiǎn)單的"導(dǎo)彈" 自動(dòng)追蹤原理解析,本文給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2021-03-03
Django搭建MySQL主從實(shí)現(xiàn)讀寫分離
本文主要介紹了Django搭建MySQL主從實(shí)現(xiàn)讀寫分離，文中通過(guò)示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2021-08-08
今天小編就為大家分享一篇從numpy數(shù)組中取出滿足條件的元素示例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-11-11
這篇文章主要介紹了python在控制臺(tái)輸出進(jìn)度條的方法,實(shí)例分析了Python輸出進(jìn)度條效果的方法,需要的朋友可以參考下2015-06-06
使用 Python 來(lái)寫程序或者腳本的話，常常遇到的問(wèn)題就是需要對(duì)日志進(jìn)行刪除。一方面可以幫助我們?cè)诔绦虺鰡?wèn)題的時(shí)候排除問(wèn)題，二來(lái)可以幫助我們記錄需要關(guān)注的信息，這篇文章主要介紹了Python3?Loguru?相見恨晚的輸出日志工具,需要的朋友可以參考下2022-05-05
在jupyter notebook中使用pytorch的方法
這篇文章主要介紹了在jupyter notebook中使用pytorch的方法,本文給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2022-09-09
淺談python中的@以及@在tensorflow中的作用說(shuō)明
這篇文章主要介紹了淺談python中的@以及@在tensorflow中的作用說(shuō)明，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2021-03-03
Tensorflow實(shí)現(xiàn)將標(biāo)簽變?yōu)閛ne-hot形式
這篇文章主要介紹了Tensorflow實(shí)現(xiàn)將標(biāo)簽變?yōu)閛ne-hot形式，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-05-05
本文主要介紹了numpy中tensordot的用法，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2023-02-02
Python稀疏矩陣及參數(shù)保存代碼實(shí)現(xiàn)
這篇文章主要介紹了Python稀疏矩陣及參數(shù)保存代碼實(shí)現(xiàn),文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-04-04