首页 > 行业资讯 > NumPy教程-numpy.clip()在Python中的使用

NumPy教程-numpy.clip()在Python中的使用

时间:2023-10-16 来源: 浏览:

NumPy教程-numpy.clip()在Python中的使用

点击关注 Python架构师
Python架构师

gh_1d7504e4dee1

回复:python,领取Python面试题。分享Python教程,Python架构师教程,Python爬虫,Python编程视频,Python脚本,Pycharm教程,Python微服务架构,Python分布式架构,Pycharm注册码。

收录于合集
#numpy 33
#NumPy教程 33
#NumPy 33
#python web教程 93
#python教程 181
整理: python架构师
在Python的numpy模块中,有一个用于对数组中的值进行裁剪的函数叫做numpy.clip()。在clip()函数中,我们将传递一个区间,超出区间的值将被裁剪为区间的边界。
如果我们指定一个区间为[1, 2],那么小于1的值会变成1,大于2的值会变成2。这个函数类似于numpy.maximum(x_min, numpy.maximum(x, x_max))。但它比np.maximum()要快。在numpy.clip()*中,不需要执行检查来确保*x_min < x_max。

语法:

numpy.clip(a, a_min, a_max, out =None)

参数:

x: array_like
此参数定义要裁剪其元素的源数组。
x_min: None、标量或array_like
此参数定义裁剪值的最小值。在下界上,不需要进行裁剪。
x_max: None、标量或array_like
此参数定义裁剪值的最大值。在上界上,不需要进行裁剪。这三个数组将进行广播,以匹配它们与x_min和x_max数组的形状。仅当x_min和x_max是array_like时才会执行此操作。
out: ndaaray(可选)
此参数定义将存储结果的ndarray。对于原地裁剪,这可以是输入数组。这个’out’数组的数据类型具有适合容纳输出的正确形状。

资源分享

点击领取:最全Python资料合集

返回值

clip_arr: ndarray
此函数返回一个数组,其中包含’x’的元素,但小于x_min的值会被替换为x_min,而大于x_max的值会被替换为x_max。

示例1:

import numpy as np x= np.arange(12) y=np.clip(x, 3, 10) y

输出:

array ([ 3 , 3 , 3 , 3 , 4 , 5 , 6 , 7 , 8 , 9 , 10 , 10 ])

在上面的代码中
  • 我们使用别名np导入了numpy。

  • 我们使用arange()函数创建了一个数组’x’。

  • 我们声明了变量’y’并将其赋值为clip()函数的返回值。

  • 我们在函数中传递了数组’x’、x_min和x_max的值。

  • 最后,我们尝试打印变量’y’的值。

在输出中,显示了一个包含元素从3到10的ndarray。

示例2:

import numpy as np a = np.arange(12) np.clip(a, 3, 9, out=a) a

输出:

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 ])

示例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 )

输出:

array ([ 3 , 4 , 3 , 3 , 4 , 5 , 6 , 7 , 8 , 8 , 8 , 8 ])

 

热门推荐
  • 只需10行Python代码,就能实现目标检测!
  • NumPy教程-numpy.loadtxt()在Python中的使用
  • 惊艳!Linux 中迷人的 Shell 脚本工具

版权:如无特殊注明,文章转载自网络,侵权请联系cnmhg168#163.com删除!文件均为网友上传,仅供研究和学习使用,务必24小时内删除。
相关推荐