numpy中矩陣選取子集或者以條件選取子集，用mask是一種很好的方法
簡單來說就是用bool類型的indice矩陣去選擇，
mask = np.ones(X.shape[0], dtype=bool)X[mask].shapemask.shapemask[indices[0]] = Falsemask.shapeX[mask].shapeX[~mask].shape(678, 2)(678,)(678,)(675, 2)(3, 2)
例如我們這里用來選取全部點中KNN選取的點以及所有剩余的點
from sklearn.neighbors import NearestNeighborsnbrs = NearestNeighbors(10).fit(X)_,indices = nbrs.kneighbors(X)mask = np.ones(X.shape[0], dtype=bool)mask[indices[0]] = Falseplt.scatter(X[mask][:,0],X[mask][:,1],c='g')plt.scatter(X[~mask][:,0],X[~mask][:,1],c='r')
帶條件選擇替換，比如我們需要將a矩陣內某條件的行置換為888剩余置換為999，可以直接用mask或者再用where一步搞定：
mask = np.ones(a.shape,dtype=bool) #np.ones_like(a,dtype=bool)mask[indices] = Falsea[~mask] = 999a[mask] = 888#############np.where(mask, 888, 999)
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持VEVB武林網。
新聞熱點
疑難解答
