Python numpy 中的掩码选择子集

有新手不知道如何在 numpy 中使用掩码。今天就来说说使用口罩时遇到的一些问题。

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。

<p><span>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)<br/></span></p>

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。

<p><span>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')<br/></span></p>

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：

<p><span>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)<br/></span></p>

这简单吗？你学会了吗？更多Python学习推荐：


。