在 Numpy 中计算掩码数组元素的中位数

  • Z时代
  • 2024-01-10
  • 分类：综合

要计算掩码数组元素的中位数，请使用Python Numpy 中的方法。MaskedArray.median()

overwrite_input 参数，如果为 True，则允许使用输入数组 (a) 的内存进行计算。输入数组将通过调用中值来修改。当您不需要保留输入数组的内容时，这将节省内存。将输入视为未定义，但它可能会完全或部分排序。默认为假。请注意，如果 overwrite_input 为 True，并且输入还不是 ndarray，则会引发错误。

脚步

首先，导入所需的库 -

import numpy as np
importnumpy.maas ma

使用该方法创建一个包含 int 元素的数组-numpy.array()

arr = np.array([[65, 68, 81], [93, 33, 76], [73, 88, 51], [62, 45, 67]])
print("Array...\n", arr)

创建一个屏蔽数组并将其中一些屏蔽为无效 -

maskArr = ma.masked_array(arr, mask =[[1, 1, 0], [ 0, 0, 0], [0, 1, 0], [0, 1, 0]])
print("\nOur Masked Array...\n", maskArr)

获取掩码数组的类型 -

print("\nOur Masked Array type...\n", maskArr.dtype)

获取 Masked Array 的尺寸 -

print("\nOur Masked Array Dimensions...\n",maskArr.ndim)

获取蒙面阵列的形状 -

print("\nOur Masked Array Shape...\n",maskArr.shape)

获取 Masked Array 的元素数量 -

print("\nNumber of elements in the Masked Array...\n",maskArr.size)

要计算掩码数组元素的中位数，请使用Python Numpy 中的方法 -MaskedArray.median()

resArr = np.ma.median(maskArr)
print("\nResultant Array..\n.", resArr)

示例

import numpy as np
importnumpy.maas ma
# Create an array with int elements using the numpy.array() method
arr = np.array([[65, 68, 81], [93, 33, 76], [73, 88, 51], [62, 45, 67]])
print("Array...\n", arr)
# Create a masked array and mask some of them as invalid
maskArr = ma.masked_array(arr, mask =[[1, 1, 0], [ 0, 0, 0], [0, 1, 0], [0, 1, 0]])
print("\nOur Masked Array...\n", maskArr)
# Get the type of the masked array
print("\nOur Masked Array type...\n", maskArr.dtype)
# Get the dimensions of the Masked Array
print("\nOur Masked Array Dimensions...\n",maskArr.ndim)
# Get the shape of the Masked Array
print("\nOur Masked Array Shape...\n",maskArr.shape)
# Get the number of elements of the Masked Array
print("\nNumber of elements in the Masked Array...\n",maskArr.size)
# To compute the median of the masked array elements, use the MaskedArray.median() method in Python Numpy
resArr = np.ma.median(maskArr)
print("\nResultant Array..\n.", resArr)
输出结果
Array...
[[65 68 81]
[93 33 76]
[73 88 51]
[62 45 67]]
Our Masked Array...
[[-- -- 81]
[93 33 76]
[73 -- 51]
[62 -- 67]]
Our Masked Array type...
int64
Our Masked Array Dimensions...
2
Our Masked Array Shape...
(4, 3)
Number of elements in the Masked Array...
12
Resultant Array..
. 70.0

以上是 在 Numpy 中计算掩码数组元素的中位数 的全部内容， 来源链接： utcz.com/z/297113.html

回到顶部