我已经多次阅读屏蔽数组文档,到处搜索,感觉非常愚蠢。我无法弄清楚如何将掩码从一个阵列应用到另一个阵列。
例子:
import numpy as np
y = np.array([2,1,5,2]) # y axis
x = np.array([1,2,3,4]) # x axis
m = np.ma.masked_where(y>2, y) # filter out values larger than 5
print m
[2 1 -- 2]
print np.ma.compressed(m)
[2 1 2]
所以这很好用....但是要绘制这个 y 轴,我需要一个匹配的 x 轴。如何将 y 数组中的掩码应用于 x 数组?这样的事情是有道理的,但会产生垃圾:
new_x = x[m.mask].copy()
new_x
array([5])
那么,到底是怎么做到的(注意新的 x 数组必须是一个新的数组)。
编辑:
嗯,似乎有一种方法可以像这样工作:
>>> import numpy as np
>>> x = np.array([1,2,3,4])
>>> y = np.array([2,1,5,2])
>>> m = np.ma.masked_where(y>2, y)
>>> new_x = np.ma.masked_array(x, m.mask)
>>> print np.ma.compressed(new_x)
[1 2 4]
但这太困惑了!我正在尝试找到一个像 IDL 一样优雅的解决方案...
最佳答案
我有一个类似的问题,但涉及加载更多的屏蔽命令和更多的数组来应用它们。我的解决方案是对一个数组进行所有屏蔽,然后使用最终屏蔽的数组作为 mask_where
命令中的条件。
例如:
y = np.array([2,1,5,2]) # y axis
x = np.array([1,2,3,4]) # x axis
m = np.ma.masked_where(y>5, y) # filter out values larger than 5
new_x = np.ma.masked_where(np.ma.getmask(m), x) # applies the mask of m on x
好消息是您现在可以将此掩码应用于更多数组,而无需对每个数组进行掩码处理。
关于python - 如何将掩码从一个数组应用到另一个数组?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/16495298/