Hướng dẫn pillow mask python - mặt nạ gối trăn
Trong bài trước ta đã học được các thao tác tính toán trên mảng từ cơ bản đến nâng cao với NumPy. Trong việc tính toán và xử lý dữ liệu, thì lọc dữ liệu bị thiếu hoặc tính toán dựa trên một số điều kiện nhất định là rất quan trọng, và để có được điều đó thì ta thường phải làm việc với các phép toán so sánh. Show Nội dung chính ShowShow
So sánh thì đương nhiên sẽ trả về kết quả là True hoặc False (Boolean). Trong bài này, ta sẽ học cách xử lý trên các mảng Boolean (Boolean Array) và áp dụng vào Masks, một tính năng rất hữu ích trong NumPy. 1. Giới thiệu về MasksVí dụ mở đầuToán tử so sánh (Comparison Operators) In[1] visitors = np.array([5956, 1975, 4567, 7597, 2431, 2675, 3270]) 2. Các thao tác với Boolean Arrays Đếm số phần tử In[2] total = 0 for num in visitors: if (num > 5000): total += num print(total) Toán tử Boolean In[3] mask = [True, False, False, True, False, False, False] 3. Module MaskedArray trong NumPy Nhỏ hơn / Nhỏ hơn bằng một số Out[4] array([5956, 7597]) Lớn hơn (hoặc lớn hơn bằng) một số Trong một phạm vi nhất địnhfreetuts.net, không được copy dưới mọi hình thức. In[5] visitors[mask].sum() Ngoài một phạm vi nhất định Toán tử so sánh (Comparison Operators)2. Các thao tác với Boolean Arrays In[7]: x = np.arange(6) print(x) print("x < 3: ", x < 3) print("x <= 3: ", x <= 3) print("x >= 3: ", x >= 3) print("x == 3: ", x == 3) print("x != 3: ", x != 3) Out[7] [0 1 2 3 4 5] x < 3: [ True True True False False False] x <= 3: [ True True True True False False] x >= 3: [False False False True True True] x == 3: [False False False True False False] x != 3: [ True True True False True True] Đếm số phần tử In[8] print("x * 2 = ", x * 2) print("x ** 2 = ", x ** 2) (x * 2) == (x ** 2) Out[8] x * 2 = [ 0 2 4 6 8 10] x ** 2 = [ 0 1 4 9 16 25] array([ True, False, True, False, False, False]) Toán tử Boolean
2. Các thao tác với Boolean ArraysĐếm số phần tửToán tử Boolean 3. Module MaskedArray trong NumPy tuoi = [32, 35, 8, 25, 19, 23, 31, 31, 36, 27, 33, 18, 39, 9, 11] Nhỏ hơn / Nhỏ hơn bằng một số Lớn hơn (hoặc lớn hơn bằng) một số In[9] total = 0 for num in visitors: if (num > 5000): total += num print(total)0 Out[9] total = 0 for num in visitors: if (num > 5000): total += num print(total)1 Trong một phạm vi nhất địnhnp.count_nonzero, và như ta đã biết ở trong hầu hết ngôn ngữ lập trình thì giá trị của False sẽ bằng 0 còn True là một, Python cũng không ngoại lệ: Ngoài một phạm vi nhất định In[10] total = 0 for num in visitors: if (num > 5000): total += num print(total)2 4. Tổng kết In[11] total = 0 for num in visitors: if (num > 5000): total += num print(total)3 So sánh thì đương nhiên sẽ trả về kết quả là True hoặc False (Boolean). Trong bài này, ta sẽ học cách xử lý trên các mảng Boolean (Boolean Array) và áp dụng vào Masks, một tính năng rất hữu ích trong NumPy. In[12] total = 0 for num in visitors: if (num > 5000): total += num print(total)4 Thay vì lý thuyết phức tạp thì ta sẽ đến một ví dụ nhỏ để hiểu về Masks. Giả sử ta có một danh sách người truy cập Freetuts trong 7 ngày gần nhất là: In[13] total = 0 for num in visitors: if (num > 5000): total += num print(total)5 Out[13] total = 0 for num in visitors: if (num > 5000): total += num print(total)6 Tính tổng số lượt truy cập của các ngày có số lượng truy cập > 5000.np.all và np.any: In[14] total = 0 for num in visitors: if (num > 5000): total += num print(total)7 Out[14] total = 0 for num in visitors: if (num > 5000): total += num print(total)8 Nếu dùng Python thuần tuý, nó sẽ có dạng như sau: In[15] total = 0 for num in visitors: if (num > 5000): total += num print(total)9 Out[15] mask = [True, False, False, True, False, False, False]0 Toán tử Boolean3. Module MaskedArray trong NumPy
3. Module MaskedArray trong NumPyNhỏ hơn / Nhỏ hơn bằng một số Lớn hơn (hoặc lớn hơn bằng) một số Module này cho phép ta tạo trực tiếp một masked array với các phần tử không hợp lệ sẽ bị gắn nhãn là không hợp lệ. Một điều lưu ý là ngược lại so với thông thường, giá trị hợp lệ sẽ là = 0 và tương đương với False, còn giá trị không hợp lệ sẽ = 1 hoặc tương đương với True. Ta có ví dụ sau: In[16] mask = [True, False, False, True, False, False, False]1 Out[16] mask = [True, False, False, True, False, False, False]2 Như ta thấy, mảng trả về là một mảng cùng shape với mảng ban đầu, trong đó các giá trị không phù hợp (tương ứng với mask = True) sẽ bị thay đổi giá trị thành "--". Trong ví dụ ở đầu bài, khi ta dùng cú pháp:"--". Trong ví dụ ở đầu bài, khi ta dùng cú pháp: Thì mảng trả về sẽ không cùng kích thước với mảng ban đầu mà chỉ chứa những phần tử hợp lệ. Nếu không quen với kiểu dùng ngược True/False này, thì ta có thể sử dụng toán tử ~ (XOR) để đảo ngược giá trị của True/False, chẳng hạn với ví dụ trên: In[17] mask = [True, False, False, True, False, False, False]3 Out[17] mask = [True, False, False, True, False, False, False]2 Vì mảng trả về cũng là một mảng NumPy, nên ta có thể áp dụng các phương thức quen thuộc của NumPy, ví dụ như: In[18] mask = [True, False, False, True, False, False, False]5 Như các bạn cũng có thể để ý, masked array trả về từ module MaskedArrays có chứa một tham số là fill_value. Đây là một điểm khá hay trong module này, đúng với cái tên của nó, nếu như bạn dùng phương thức filled lên mảng, nó sẽ điền vào các phần tử bị khuyết giá trị của fill_value, như:MaskedArrays có chứa một tham số là fill_value. Đây là một điểm khá hay trong module này, đúng với cái tên của nó, nếu như bạn dùng phương thức filled lên mảng, nó sẽ điền vào các phần tử bị khuyết giá trị của fill_value, như: In[19] mask = [True, False, False, True, False, False, False]6 Out[19] mask = [True, False, False, True, False, False, False]7 Hoặc ta có thể điền một giá trị tuỳ ý mà ta muốn: In[20] mask = [True, False, False, True, False, False, False]8 Out[20] mask = [True, False, False, True, False, False, False]9 Tuỳ thuộc vào điều kiện của mask, NumPy cho ta khá nhiều phương thức hỗ trợ cho từng điều kiện cụ thể: Nhỏ hơn / Nhỏ hơn bằng một sốTa sử dụng phương thức masked_less cho dạng điều kiện này:masked_less cho dạng điều kiện này: In[21] array([5956, 7597])0 Out[21] array([5956, 7597])1 Tương tự với masked_less, nếu là nhỏ hơn bằng thì ta dùng masked_less_equal:masked_less, nếu là nhỏ hơn bằng thì ta dùng masked_less_equal: In[22] array([5956, 7597])2 In[22] array([5956, 7597])3 Lớn hơn (hoặc lớn hơn bằng) một sốTa sử dụng phương thức masked_greater cho dạng điều kiện này:masked_greater cho dạng điều kiện này: In[23] array([5956, 7597])4 Out[23] array([5956, 7597])5 Tương tự với masked_greater_equal.masked_greater_equal. Trong một phạm vi nhất địnhPhương thức masked_inside sẽ lọc các dữ liệu trong một phạm vi nhất định:masked_inside sẽ lọc các dữ liệu trong một phạm vi nhất định: In[24] array([5956, 7597])6 Out[24] array([5956, 7597])7 Ngoài một phạm vi nhất địnhTương tự trên nhưng ngược lại, ta có phương thức masked_outside:masked_outside: In[25] array([5956, 7597])8 Out[25] array([5956, 7597])9 Trên là 4 phương thức phổ biến cho các điều kiện nhất định của masks, nếu bạn muốn tìm hiểu một số phương thức khác ít sử dụng hơn thì có thể tham khảo tại đây: The numpy.ma module — NumPy v1.19 Manual 4. Tổng kếtQua bài trên bạn đã được tìm hiểu các thao tác với mảng Boolean, cũng như cách áp dụng nó với Masks. Masks là một tính năng cực kỳ hữu ích trong NumPy, giúp ta giảm thiểu code đi khá nhiều và tính toán trở nên thuận lợi hơn. Trong bài sau, ta sẽ tìm hiểu về Fancy Indexing trong NumPy - một tính năng sẽ sử dụng Masks khá nhiều. Hẹn gặp bạn ở bài tiếp. |