Как сделать элементы NaN в массиве numpy на основе верхней и нижней границы

У меня есть массив из 0-10 элементов.

a = np.arange(0,11)
np.random.shuffle(a)
a
array([ 1,  7,  8,  0,  2,  3,  4, 10,  9,  5,  6])

Я хотел преобразовать элементы в NaN, если они находятся между 4 и 8. В качестве первого шага я попытался получить массив с np.where, как показано ниже:

np.where([a > 4] & [a < 8])

но получил ошибку. любая помощь, пожалуйста?

Почему> 10? Разве это не должно быть <8? Также используйте круглые скобки вокруг a > 4, а не квадратные.

— 12.07.2018 06:47

это было по ошибке, и я обновил вопросы. Благодарность

— 12.07.2018 14:20

python-3.x numpy

12.07.2018 06:41

Стоит ли изучать PHP в 2026-2027 годах?

Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...

Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией

В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.

Приемы CSS-макетирования - floats и Flexbox

Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...

Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest

В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...

Концепция локализации и ее применение в приложениях React ⚡️

Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...

Пользовательский скаляр GraphQL

Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...

Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Тебе нужно:

import numpy as np 

a = np.arange(0,11)
np.random.shuffle(a)

print(a)
# [ 7  4  2  3  6 10  1  9  5  0  8]

a = np.where((a > 4) & (a < 8), np.nan, a)

print(a)
# [nan  4.  2.  3. nan 10.  1.  9. nan  0.  8.]

Если вы хотите узнать, как работает np.where(), обратитесь к numpy.where () подробное, пошаговое объяснение / примеры

12.07.2018 06:50