Pro oříznutí hodnot v poli poskytuje numpy modul Pythonu funkci nazvanou numpy.clip() . Ve funkci clip() předáme interval a hodnoty, které jsou mimo interval, budou oříznuty pro okraje intervalu.
Pokud zadáme interval [1, 2], pak hodnoty menší než 1 se stanou 1 a větší než 2 jsou 2. Tato funkce je podobná jako numpy.maximum(x_min, numpy.maximum(x, x_max)) . Ale je rychlejší než np.maximum(). v numpy.clip() , není třeba provádět kontrolu pro zajištění x_min
Syntax:
numpy.clip(a, a_min, a_max, out=None)
Parametry:
x: array_like
sharwanand
Tento parametr definuje zdrojové pole, jehož prvky chceme oříznout.
x_min: Žádný, skalární nebo podobný poli
Tento parametr definuje minimální hodnotu pro hodnoty oříznutí. Na spodní hraně intervalu není oříznutí vyžadováno.
jak otevřít soubor v java
x_max: Žádný, skalární nebo podobný poli
Tento parametr definuje maximální hodnotu pro hodnoty oříznutí. Na horní hraně intervalu není nutné ořezávání. Tři pole se vysílají, aby se jejich tvary shodovaly s poli x_min a x_max. To se provede pouze v případě, že x_min a x_max jsou podobné poli.
out: ndaaray (volitelné)
Tento parametr definuje ndarray, do kterého bude výsledek uložen. Pro oříznutí na místě to může být vstupní pole. Datový typ těchto „out“ polí má správný tvar pro uložení výstupu.
Návraty
clip_arr: ndarray
Tato funkce vrací pole, které obsahuje prvky 'x', ale hodnoty, které jsou menší než a x_min, jsou nahrazeny x_min a ty, které jsou větší než x_max , jsou nahrazeny x_max .
Příklad 1:
import numpy as np x= np.arange(12) y=np.clip(x, 3, 10) y
Výstup:
array([ 3, 3, 3, 3, 4, 5, 6, 7, 8, 9, 10, 10])
Ve výše uvedeném kódu
- Importovali jsme numpy s aliasem np.
- Vytvořili jsme pole 'x' pomocí arange() funkce.
- Deklarovali jsme proměnnou 'y' a přiřadili vrácenou hodnotu klip() funkce.
- Ve funkci jsme předali hodnoty pole 'x', x_min a x_max
- Nakonec jsme zkusili vytisknout hodnotu 'a' .
Ve výstupu je zobrazen ndarray, který obsahuje prvky v rozsahu od 3 do 10.
java kolekce java
Příklad 2:
import numpy as np a = np.arange(12) np.clip(a, 3, 9, out=a) a
Výstup:
array([3, 3, 3, 3, 4, 5, 6, 7, 8, 9, 9, 9]) array([3, 3, 3, 3, 4, 5, 6, 7, 8, 9, 9, 9])
Příklad 3:
import numpy as np a = np.arange(12) np.clip(a, [3, 4, 1, 1, 1, 4, 4, 4, 4, 4, 5, 6], 8)
Výstup:
array([3, 4, 3, 3, 4, 5, 6, 7, 8, 8, 8, 8])