1.假設有一個不完整的資料，如下

import pandas as pd
import numpy as np

"""read data"""
data = pd.read_csv('data.csv')
A = np.isnan(data) #get a matrix (True and False)
M = 1.*~A #M is a matrix (0 and 1), 0 reprents nan, 1 reprents complete
 

以上程式碼A是對資料做一個判斷，得到一個True False矩陣，其中True代表資料缺失，False代表未缺失。

我們要得到一個掩模矩陣M，1代表資料未缺失，0代表資料缺失，所以要對A取反～A

2.有時候也可以隨即生成一個數據，根據生成的資料得到一個矩陣，使其中大於某一個值為1，小於某一個值為0

import numpy as np

A = np.random.uniform(0., 1., size = [10,9])
AA = A>0.5
B = 1.*AA

A是隨機生成的一個10行9列的0-1之間符合的均勻分佈矩陣，當A中值大於0.5時，令B元素為1，否則為0