有刚入门的小白不知道numpy中如何使用mask，今天小编就来讲讲使用mask会遇到的一些问题。

　　numpy中矩阵选取子集或者以条件选取子集，用mask是一种很好的方法。

　　简单来说就是用bool类型的indice矩阵去选择。

　　1.mask = np.ones(X.shape[0], dtype=bool)

　　2.X[mask].shape

　　3.mask.shape

　　4.mask[indices[0]] = False

　　5.mask.shape

　　6.X[mask].shape

　　7.X[~mask].shape

　　8.(678, 2)

　　9.(678,)

　　10.(678,)

　　11.(675, 2)

　　12.(3, 2)

　　例如我们这里用来选取全部点中KNN选取的点以及所有剩余的点。

　　1.from sklearn.neighbors import NearestNeighbors

　　2.= NearestNeighbors(10).fit(X)

　　3._,indices = nbrs.kneighbors(X)

　　4.mask = np.ones(X.shape[0], dtype=bool)

　　5.mask[indices[0]] = False

　　6.plt.scatter(X[mask][:,0],X[mask][:,1],c='g')

　　7.plt.scatter(X[~mask][:,0],X[~mask][:,1],c='r')

　　带条件选择替换，比如我们需要将a矩阵内某条件的行置换为888剩余置换为999，可以直接用mask或者再用where一步搞定：

　　1.mask = np.ones(a.shape,dtype=bool) #np.ones_like(a,dtype=bool)

　　2.mask[indices] = False

　　3.a[~mask] = 999

　　4.a[mask] = 888

　　5.#############

　　6.np.where(mask, 888, 999)