numpy.ma.masked_values

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

Маскирование с использованием приблизительного равенства для чисел с плавающей точкой.

Возвращает MaskedArray, маскированный там, где данные в массиве x примерно равны value, определяемому с помощью isclose. Значения по умолчанию для толерансности masked_values такие же, как и для isclose.

Для целочисленных типов используется точное равенство, так же, как и в masked_equal.

Значение заполнения устанавливается в value и маска устанавливается в nomask если это возможно.

Параметры:	x : array_like Массив для маскирования. value : float Значение маскирования. rtol, atol : float, optional Параметры толерантности, передаваемые в isclose copy : bool, optional Возвращать копию x. shrink : bool, optional Сжимать маску, заполненную значениями False, до nomask.
Возвращает:	result : MaskedArray Результат маскирования x 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 если это возможно.

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

Для целочисленных типов значение заполнения, как правило, будет 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)