numpy.ma.notmasked_contigious #

嘛。notmasked_contigious ( a , axis = None ) [来源] #

沿给定轴在屏蔽数组中查找连续的未屏蔽数据。

参数：

类似数组: 输入数组。
轴int，可选: 执行操作所沿的轴。如果 None （默认），则适用于数组的扁平版本，这与flatnotmasked_contiguous.

返回：

端点列表

数组中未屏蔽索引的切片列表（开始索引和结束索引）。

如果输入为 2d 并且指定了 axis，则结果是列表的列表。

也可以看看

flatnotmasked_edges, flatnotmasked_contiguous,notmasked_edges
clump_masked,clump_unmasked

笔记

最多只接受二维数组。

例子

>>> a = np.arange(12).reshape((3, 4))
>>> mask = np.zeros_like(a)
>>> mask[1:, :-1] = 1; mask[0, 1] = 1; mask[-1, 0] = 0
>>> ma = np.ma.array(a, mask=mask)
>>> ma
masked_array(
  data=[[0, --, 2, 3],
        [--, --, --, 7],
        [8, --, --, 11]],
  mask=[[False,  True, False, False],
        [ True,  True,  True, False],
        [False,  True,  True, False]],
  fill_value=999999)
>>> np.array(ma[~ma.mask])
array([ 0,  2,  3,  7, 8, 11])

>>> np.ma.notmasked_contiguous(ma)
[slice(0, 1, None), slice(2, 4, None), slice(7, 9, None), slice(11, 12, None)]

>>> np.ma.notmasked_contiguous(ma, axis=0)
[[slice(0, 1, None), slice(2, 3, None)], [], [slice(0, 1, None)], [slice(0, 3, None)]]

>>> np.ma.notmasked_contiguous(ma, axis=1)
[[slice(0, 1, None), slice(2, 4, None)], [slice(3, 4, None)], [slice(0, 1, None), slice(3, 4, None)]]