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, где данные в массиве x маскируются, если они приблизительно равны value, определяемое с использованием isclose. Значения по умолчанию для значений толерантности для masked_values аналогичны значениям по умолчанию для isclose.

Для целочисленных типов используется точное равенство, аналогично masked_equal.

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

Параметры:	x : array_like Массив для маскирования. value : float Значение маскирования. rtol, atol : float, optional Параметры толерантности, передаваемые в isclose copy : bool, optional Необходимо ли вернуть копию x. shrink : bool, optional Следует ли свести маску, заполненную значениями False, к nomask.
Возвращает:	result : MaskedArray Результат маскирования x там, где он приблизительно равен value.

См. также

masked_where

Маскирование там, где выполняется условие.

masked_equal

Маскирование там, где значение 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 возможно.

>>> 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 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=2)