Til at klippe værdierne i et array giver numpy-modulet i Python en funktion kaldet numpy.clip() . I clip()-funktionen vil vi sende intervallet, og de værdier, der er uden for intervallet, vil blive klippet til intervalkanterne.
Hvis vi angiver et interval på [1, 2], bliver værdierne mindre end 1 1 og større end 2 er 2. Denne funktion ligner numpy.maximum(x_min, numpy.maximum(x, x_max)) . Men det er hurtigere end np.maximum(). I numpy.clip() , er der ingen grund til at udføre kontrol for at sikre x_min
Syntaks:
numpy.clip(a, a_min, a_max, out=None)
Parametre:
x: array_like
erstatte fra streng i java
Denne parameter definerer det kildearray, hvis elementer vi vil klippe.
x_min: Ingen, skalær eller array_like
Denne parameter definerer minimumsværdien for beskæringsværdier. På den nederste intervalkant er klipning ikke nødvendig.
x_max: Ingen, skalær eller array_like
Denne parameter definerer den maksimale værdi for beskæringsværdier. På den øvre intervalkant er klipning ikke påkrævet. De tre arrays udsendes for at matche deres former med x_min og x_max arrays. Dette vil kun blive gjort, når x_min og x_max er array_like.
ud: ndaaray (valgfrit)
Denne parameter definerer den ndarray, hvori resultatet vil blive gemt. Til in-place klipning kan dette være et input-array. Datatypen for disse 'out'-arrays har den rigtige form til at holde outputtet.
tabel i reaktion
Vender tilbage
clip_arr: ndarray
java returkommando
Denne funktion returnerer et array, der indeholder elementerne i 'x', men de værdier, der er mindre end x_min, de bliver erstattet med x_min , og dem, der er større end x_max , bliver de erstattet med x_max .
Eksempel 1:
import numpy as np x= np.arange(12) y=np.clip(x, 3, 10) y
Produktion:
array([ 3, 3, 3, 3, 4, 5, 6, 7, 8, 9, 10, 10])
I ovenstående kode
- Vi har importeret numpy med alias navn np.
- Vi har lavet et array 'x' vha arange() fungere.
- Vi har erklæret variablen 'y' og tildelt den returnerede værdi af klip() fungere.
- Vi har bestået array 'x', x_min og x_max værdien i funktionen
- Til sidst forsøgte vi at udskrive værdien af 'og' .
I outputtet vises en ndarray, som indeholder elementer fra 3 til 10.
Eksempel 2:
import numpy as np a = np.arange(12) np.clip(a, 3, 9, out=a) a
Produktion:
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])
Eksempel 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)
Produktion:
array([3, 4, 3, 3, 4, 5, 6, 7, 8, 8, 8, 8])