numpy.ma.masked_values

numpy.ma.masked_values(x, value, rtol=1e-05, atol=1e-08, copy=True, shrink=True) [source]

Маскирование с использованием плавающей точки равенства.

Возвращает MaskedArray, замаскированную там, где данные в массиве x приблизительно равны value, т.е. там, где выполняется следующее условие:

(abs(x - value) <= atol+rtol*abs(value))

Значение fill_value устанавливается в value и маска устанавливается в nomask при возможности. Для целых чисел рассмотрите использование masked_equal.

Параметры:	x : array_like Массив для маскирования. value : float Значение маскирования. rtol : float, необязательно Параметр толерантности. atol : float, необязательно Параметр толерантности (1e-8). copy : bool, необязательно Необходимо ли возвращать копию x. shrink : bool, необязательно Необходимо ли сжать маску, заполненную значениями False, до nomask.
Возвращаемое значение:	result : MaskedArray Результат маскирования x там, где приблизительно равно value.

См. также

masked_where

Маскирование там, где выполняется условие.

masked_equal

Маскирование там, где равно заданному значению (целые числа).

Примеры

>>> import numpy.ma as ma
>>> x = np.array([1, 1.1, 2, 1.1, 3])
>>> ma.masked_values(x, 1.1)
masked_array(data = [1.0 -- 2.0 -- 3.0],
      mask = [False  True False  True False],
      fill_value=1.1)

Обратите внимание, что mask устанавливается в nomask при возможности.

>>> ma.masked_values(x, 1.5)
masked_array(data = [ 1.   1.1  2.   1.1  3. ],
      mask = False,
      fill_value=1.5)

Для целых чисел значение fill будет, как правило, отличаться от результата masked_equal.

>>> x = np.arange(5)
>>> x
array([0, 1, 2, 3, 4])
>>> ma.masked_values(x, 2)
masked_array(data = [0 1 -- 3 4],
      mask = [False False  True False False],
      fill_value=2)
>>> ma.masked_equal(x, 2)
masked_array(data = [0 1 -- 3 4],
      mask = [False False  True False False],
      fill_value=999999)