Numpy中的mask的使用

numpy中矩阵选取子集或者以条件选取子集，用mask是一种很好的方法

简单来说就是用bool类型的indice矩阵去选择，

mask = np.ones(X.shape[0], dtype=bool)
X[mask].shape
mask.shape
mask[indices[0]] = False
mask.shape
X[mask].shape
X[~mask].shape
(678, 2)
(678,)
(678,)
(675, 2)
(3, 2)

例如我们这里用来选取全部点中KNN选取的点以及所有剩余的点

from sklearn.neighbors import NearestNeighbors
nbrs = NearestNeighbors(10).fit(X)
_,indices = nbrs.kneighbors(X)
mask = np.ones(X.shape[0], dtype=bool)
mask[indices[0]] = False
plt.scatter(X[mask][:,0],X[mask][:,1],c='g')
plt.scatter(X[~mask][:,0],X[~mask][:,1],c='r')

带条件选择替换，比如我们需要将a矩阵内某条件的行置换为888剩余置换为999，可以直接用mask或者再用where一步搞定：

mask = np.ones(a.shape,dtype=bool) #np.ones_like(a,dtype=bool)
mask[indices] = False
a[~mask] = 999
a[mask] = 888
#############
np.where(mask, 888, 999)

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。

您可能感兴趣的文章:

• NumPy 数学函数及代数运算的实现代码
• Python实现曲线拟合操作示例【基于numpy,scipy,matplotlib库】
• 浅谈利用numpy对矩阵进行归一化处理的方法
• numpy.std() 计算矩阵标准差的方法
• 对numpy数据写入文件的方法讲解
• NumPy.npy与pandas DataFrame的实例讲解
• numpy的文件存储.npy .npz 文件详解
• 使用Numpy读取CSV文件,并进行行列删除的操作方法
• python 借助numpy保存数据为csv格式的实现方法