技术文章库 - 编程教程与技术分享平台
在 NumPy 中检查掩码数组中的哪个元素等于给定值
要检查掩码数组中的哪个元素等于给定值，请使用ma.MaskedArray.__eq__()方法。对于每个等于给定值val的数组元素，都会返回True。掩码数组是标准numpy.ndarray和掩码的组合。掩码要么是nomask，表示关联数组的任何值都无效，要么是布尔数组，用于确定关联数组的每个元素的值是否有效。NumPy提供全面的数学函数、随机数生成器、线性代数例程、傅里叶变
在 NumPy 中检查掩码数组中的哪个元素不等于给定值
要检查掩码数组中的哪个元素不等于给定值，请使用ma.MaskedArray.__ne__()方法。对于不等于给定值val的每个数组元素，都会返回True。掩码数组是标准numpy.ndarray和掩码的组合。掩码要么是nomask，表示关联数组的任何值都无效，要么是布尔数组，用于确定关联数组的每个元素的值是否有效。NumPy提供全面的数学函数、随机数生成器、线性代数例程、傅里
在 NumPy 中用标量值添加掩码数组的每个元素
要用标量值val添加掩码数组的每个元素，请使用ma.MaskedArray.__add__()方法。返回将值val添加到每个元素的数组。掩码数组是标准numpy.ndarray和掩码的组合。掩码要么是nomask，表示关联数组的任何值都无效，要么是布尔数组，用于确定关联数组的每个元素的值是否有效。NumPy提供全面的数学函数、随机数生成器、线性代数例程、傅里叶变换等。它支持
在 NumPy 中向每个元素添加标量值并返回新的掩码数组
要向每个元素添加标量值并返回新的掩码数组，请使用PythonNumpy中的ma.MaskedArray.__radd__()方法。掩码数组是标准numpy.ndarray和掩码的组合。掩码要么是nomask，表示关联数组的任何值都无效，要么是布尔数组，用于确定关联数组的每个元素的值是否有效。NumPy提供全面的数学函数、随机数生成器、线性代数例程、傅里叶变换等。它支持广泛的硬
在 Numpy 中计算沿轴 1 的第 n 个离散差异
要计算沿给定轴的第n个离散差异，请使用PythonNumpy中的MaskedArray.diff()方法。第一个差异由沿给定轴的out[i]=a[i+1]-a[i]给出，更大的差异通过递归使用diff−计算使用"axis"参数设置轴轴是沿其进行差异的轴，默认为最后一个轴。该函数返回第n个差异。输出的形状与a相同，但沿轴的尺寸小n。输出的类型与
在 Numpy 中设置值差分次数后计算第 n 个离散差分
要计算沿给定轴的第n个离散差分，请使用PythonNumpy中的MaskedArray.diff()方法。"n"参数用于设置值差分次数。如果为零，则按原样返回输入。该函数返回第n个差分。输出的形状与a相同，但沿轴的维度小n。输出的类型与a中任意两个元素之间的差分类型相同。在大多数情况下，这与输入的类型相同。一个值得注意的例外是datetime64
在 Numpy 中计算第 n 个离散差值
要计算沿给定轴的第n个离散差值，请使用PythonNumpy中的MaskedArray.diff()方法。第一个差值由沿给定轴的out[i]=a[i+1]-a[i]给出，更大的差值通过递归使用diff计算。该函数返回第n个差值。输出的形状与a相同，但沿轴的维度小n。输出的类型与a中任意两个元素之间的差值的类型相同。在大多数情况下，这与a的类型相同。一
在 Numpy 中计算沿特定轴的第 n 个离散差异
要计算沿给定轴的第n个离散差异，请使用PythonNumpy中的MaskedArray.diff()方法。第一个差异由给定轴上的out[i]=a[i+1]-a[i]给出，更高的差异通过递归使用diff−计算使用"axis"参数设置轴axis是沿其进行差异的轴，默认为最后一个轴。该函数返回第n个差异。输出的形状与a相同，但沿轴的尺寸小n。输出的
在 Python ma.MaskedArray 中计算沿轴 0 的第 n 个离散差异
要计算沿给定轴的第n个离散差异，请使用PythonNumpy中的MaskedArray.diff()方法。第一个差异由沿给定轴的out[i]=a[i+1]-a[i]给出，更大的差异通过递归使用diff−计算使用"axis"参数设置轴轴是沿其进行差异的轴，默认为最后一个轴。该函数返回第n个差异。输出的形状与a相同，只是沿轴的尺寸小n。输出的类型与
在 Numpy 中累积将运算符应用于所有元素的结果
要累积将运算符应用于所有元素的结果，请使用PythonNumpy中的numpy.accumulate()方法。我们展示了add和multiple的示例。add.accumulate()相当于np.cumsum()。numpy.ufunc具有对整个数组逐个元素进行操作的函数。ufunc用C编写(为了速度)，并使用NumPy的ufunc功能链接到Python。通
在 Numpy 中沿轴对多维数组应用累积
要累积将运算符应用于所有元素的结果，请使用PythonNumpy中的numpy.accumulate()方法。对于多维数组，仅沿一个轴应用累积numpy.ufunc具有对整个数组逐个元素进行操作的函数。ufuncs用C编写(为了速度)，并使用NumPy的ufunc功能链接到Python。通用函数(或简称为ufunc)是一种以逐个元素的方式对ndarrays进行操作
在 Numpy 中沿轴 1 对多维数组应用累积
要累积将运算符应用于所有元素的结果，请使用PythonNumpy中的numpy.accumulate()方法。对于多维数组，累积仅沿一个轴应用。我们将沿轴1应用。numpy.ufunc具有对整个数组逐个元素进行操作的函数。ufuncs用C编写(为了速度)，并使用NumPy的ufunc功能链接到Python。通用函数(或简称为ufunc)是一种以逐个元素的方式对n
在 Python 中将掩码数组的每个元素与给定的标量值进行 AND 运算
要将掩码数组的每个元素与给定的标量值进行AND运算，请使用PythonNumpy中的ma.MaskedArray.__and__()方法。掩码数组是标准numpy.ndarray和掩码的组合。掩码要么是nomask，表示关联数组的任何值都无效，要么是布尔数组，用于确定关联数组的每个元素的值是否有效。NumPy提供全面的数学函数、随机数生成器、线性代数例程、傅里叶变换等。它
在 Python 中将给定标量值与掩码数组的每个元素进行 AND 运算
要将给定标量值与掩码数组的每个元素进行AND运算，请使用PythonNumpy中的ma.MaskedArray.__rand__()方法。掩码数组是标准numpy.ndarray和掩码的组合。掩码要么是nomask，表示关联数组的任何值都无效，要么是布尔数组，用于确定关联数组的每个元素的值是否有效。NumPy提供全面的数学函数、随机数生成器、线性代数例程、傅里叶变换等。它
在 Numpy 中沿轴 0 对多维数组应用累积
要累积将运算符应用于所有元素的结果，请使用PythonNumpy中的numpy.accumulate()方法。对于多维数组，累积仅沿一个轴应用。我们将沿轴0应用。numpy.ufunc具有对整个数组逐个元素进行操作的函数。ufuncs用C编写(为了速度)，并使用NumPy的ufunc工具链接到Python。通用函数(或简称为ufunc)是一种以逐个元素的方式对n
将 ufunc outer() 函数应用于 Numpy 中的所有对
将ufuncouter()函数应用于所有对。numpy.ufunc具有对整个数组逐个元素进行操作的函数。ufunc用C编写(为了速度)，并使用NumPy的ufunc功能链接到Python。通用函数(或简称为ufunc)是一种以逐个元素的方式对ndarray进行操作的函数，支持数组广播、类型转换和其他几个标准功能。也就是说，ufunc是一个函数的"矢量化"包装器，它接
将 ufunc outer() 函数应用于 Numpy 中的所有一维数组对
我们将把ufuncouter()函数应用于所有一维数组对。numpy.ufunc具有对整个数组逐个元素进行操作的函数。ufunc用C编写(为了提高速度)，并通过NumPy的ufunc功能链接到Python。通用函数(或简称为ufunc)是一种以逐个元素的方式对ndarray进行操作的函数，支持数组广播、类型转换和其他几个标准功能。也就是说，ufunc是一个"矢量化"
将 ufunc outer() 函数应用于 Numpy 中的所有二维数组对
将ufuncouter()函数应用于所有二维数组对。numpy.ufunc具有对整个数组逐个元素进行操作的函数。ufunc用C编写(为了提高速度)，并使用NumPy的ufunc功能链接到Python。通用函数(或简称为ufunc)是一种以逐个元素的方式对ndarray进行操作的函数，支持数组广播、类型转换和其他几个标准功能。也就是说，ufunc是一个"矢量化"包装函
在 Numpy 中比较两个具有一些 Inf 值的数组并返回元素最大值
要比较两个具有一些Inf值的数组并返回元素最大值，请使用PythonNumpy中的numpy.maximum()方法。返回值为True或False。按元素返回x1和x2的最大值。如果x1和x2都是标量，则这是一个标量。比较两个数组并返回一个包含元素最大值的新数组。如果被比较的元素之一是NaN，则返回该元素。如果两个元素都是NaN，则返回第一个元素。后者的区别
在 Numpy 中比较两个数组并返回元素最小值
要比较两个数组并返回元素最小值，请使用PythonNumpy中的numpy.minimum()方法。返回值为True或False。按元素返回x1和x2的最小值。如果x1和x2都是标量，则这是一个标量。比较两个数组并返回一个包含元素最小值的新数组。如果被比较的元素之一是NaN，则返回该元素。如果两个元素都是NaN，则返回第一个元素。后者的区别对于复杂的NaN很
