For å klippe verdiene i en matrise gir numpy-modulen til Python en funksjon kalt numpy.clip() . I clip()-funksjonen vil vi passere intervallet, og verdiene som er utenfor intervallet vil bli klippet for intervallkantene.

Hvis vi spesifiserer et intervall på [1, 2] blir verdiene mindre enn 1 1 og større enn 2 er 2. Denne funksjonen ligner på numpy.maximum(x_min, numpy.maximum(x, x_max)) . Men det er raskere enn np.maximum(). I numpy.clip() , er det ikke nødvendig å utføre sjekk for å sikre x_min.

Syntaks:

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

Parametere:

x: array_like

erstatte fra streng i java

Denne parameteren definerer kildematrisen hvis elementer vi ønsker å klippe.

x_min: Ingen, skalar eller array_like

Denne parameteren definerer minimumsverdien for klippeverdier. På nedre intervallkant er klipping ikke nødvendig.

x_max: Ingen, skalar eller array_like

Denne parameteren definerer maksimalverdien for klippeverdier. På den øvre intervallkanten er klipping ikke nødvendig. De tre matrisene kringkastes for å matche formene deres med x_min og x_max matriser. Dette gjøres bare når x_min og x_max er array_like.

ut: ndaaray (valgfritt)

Denne parameteren definerer ndarrayen som resultatet skal lagres i. For på plass klipping kan dette være en inndatamatrise. Datatypen til disse 'ut'-arrayene har riktig form for å holde utdataene.

tabell i reaksjon

Returnerer

clip_arr: ndarray

java returkommando

Denne funksjonen returnerer en matrise som inneholder elementene til 'x', men verdiene som er mindre enn x_min, de blir erstattet med x_min , og de som er større enn x_max , blir de erstattet med x_max .

Eksempel 1:

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

Produksjon:

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

I koden ovenfor

• Vi har importert numpy med alias navn np.
• Vi har laget en matrise 'x' ved å bruke arange() funksjon.
• Vi har erklært variabelen 'y' og tildelt den returnerte verdien av klipp() funksjon.
• Vi har passert matrisen 'x', x_min og x_max verdi i funksjonen
• Til slutt prøvde vi å skrive ut verdien av 'og' .

I utgangen vises en ndarray, som inneholder elementer fra 3 til 10.

Eksempel 2:

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

Produksjon:

 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) 

Produksjon:

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