技术文章库 - 编程教程与技术分享平台
在 Numpy 中返回掩码数组元素在 0 轴上的平均值
要返回掩码数组元素的平均值，请使用PythonNumpy中的MaskedArray.average()方法。"axis"参数用于指定对数组进行平均的轴。如果为None，则对展开后的数组进行平均。weights参数表示每个元素在平均值计算中的重要性。权重数组可以是一维的，也可以与a的形状相同。如果weights=None，则假定a中的所有数据的权重都等于1。一维计算为&m
在 Numpy 中返回掩码数组元素 axis 1 的平均值
要返回掩码数组元素的平均值，请使用PythonNumpy中的MaskedArray.average()方法。"axis"参数用于指定对数组进行平均的轴。如果为None，则对展开后的数组进行平均。weights参数表示每个元素在平均值计算中的重要性。weights数组可以是一维的，也可以与a的形状相同。如果weights=None，则假定a中的所有数据的权重都等于1。一维
在 NumPy 中返回掩码数组的副本
要返回掩码数组的副本，请使用PythonNumpy中的ma.MaskedArray.copy()方法。order参数控制副本的内存布局。"C"表示C顺序，"F"表示F顺序，"A"表示如果a是Fortran连续的，则为"F"，否则为"C"。"K"表示尽可能匹配a的布局。(请注意，此函数与numpy.copy非常相似，但它们的order=参数的默认值不同，
在 NumPy 中返回沿给定轴的掩码数组值的范围
要返回沿给定轴的掩码数组值的范围，请使用Numpy中的ma.MaskedArray.ptp()方法。沿给定轴的峰峰值(最大值-最小值)。轴使用axis参数设置。ptp()方法返回一个保存结果的新数组，除非指定了out，在这种情况下将返回对out的引用。axis参数是沿其查找峰值的轴。如果为None(默认值)，则使用扁平化数组。out是一个参数，是用于放置结果的备用
在 NumPy 中，将掩码数组中的每个元素四舍五入到最接近的指定小数位数
要将每个元素四舍五入到给定的小数位数，请使用Numpy中的ma.MaskedArray.around()方法。使用"decimals"参数设置要四舍五入的小数位数。decimals参数是要四舍五入到的小数位数(默认值:0)。如果decimals为负数，则指定小数点左侧的位数。out参数是用于放置结果的备用输出数组。它必须与预期输出具有相同的形状，但必要时将强制转换输出值的类型。
在 NumPy 中返回掩码数组的绝对值
要返回掩码数组的绝对值，请使用ma.MaskedArray.__abs__()方法。如果元素为负数，则abs()方法对其取反并返回。掩码数组是标准numpy.ndarray和掩码的组合。掩码可以是nomask(表示关联数组的所有值均有效)，也可以是布尔值数组，用于确定关联数组中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。它支持各
在 Numpy 中返回按元素排序的掩码基数组，该数组以第二个数组为底，并以幂为底。
要返回按元素排序的基数组，该数组以第二个数组为底，并以幂为底，请使用PythonNumpy中的MaskedArray.power()方法。where参数是通过输入广播的条件。在条件为True的位置，输出数组将被设置为ufunc的结果。在其他位置，输出数组将保留其原始值。请注意，如果通过默认的out=None创建了未初始化的输出数组，则其中条件为False的位置将保持未初
在 Numpy 中返回两个掩码数组的点积
要返回两个掩码数组的点积，请使用PythonNumpy中的ma.dot()方法。此函数相当于将掩码值考虑在内的numpy.dot函数。strict和out的位置与方法版本中的位置不同。为了保持与相应方法的兼容性，建议将可选参数仅视为关键字。在某些情况下，这可能是强制性的。strict参数设置是否传播掩码数据(True)或将其设置为0(False)以进行计算。默认
返回两个掩码数组的点积，并设置是否在 Numpy 中传播掩码数据
要返回两个掩码数组的点积，请使用PythonNumpy中的ma.dot()方法。"strict"参数设置是否传播掩码数据(True)或将其设置为0(False)以进行计算。此函数相当于考虑掩码值的numpy.dot。strict和out的位置与方法版本中的位置不同。为了保持与相应方法的兼容性，建议将可选参数仅视为关键字。在某些情况下，这可能是强制性的。strict
在 NumPy 中将给定标量值赋值给掩码数组的每个元素
要将给定标量值赋值给掩码数组的每个元素，请使用PythonNumpy中的ma.MaskedArray.__rpow__()方法。掩码数组是标准numpy.ndarray和掩码的组合。掩码可以是nomask(表示关联数组的所有值均有效)，也可以是布尔值数组，用于确定关联数组中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。它支持各种
在 Numpy 中将数组的维度减少一
要将数组的维度减少一，请使用PythonNumpy中的np.ufunc.reduce()方法。这里，我们使用了multiply.reduce()将其减少为所有元素的乘法。numpy.ufunc包含对整个数组逐个元素进行操作的函数。这些ufunc是用C语言编写的(为了提高速度)，并通过NumPy的ufunc功能链接到Python中。通用函数(ufunc)是一种
在 Numpy 中通过添加所有元素来减少数组的维度
要将数组的维度减少一，请使用PythonNumpy中的np.ufunc.reduce()方法。这里我们使用了add.reduce()将其减少为所有元素的相加。numpy.ufunc包含对整个数组逐个元素进行操作的函数。这些ufunc是用C语言编写的(为了提高速度)，并通过NumPy的ufunc功能链接到Python中。通用函数(简称ufunc)是一种以逐个元素
在 Numpy 中通过将数组的所有元素相乘来减少数组的维度
要将数组的维度减少一，请使用PythonNumpy中的np.ufunc.reduce()方法。这里我们使用了multiply.reduce()将其减少为所有元素的乘积。numpy.ufunc包含对整个数组逐个元素进行操作的函数。这些ufunc是用C语言编写的(为了提高速度)，并通过NumPy的ufunc功能链接到Python中。通用函数(简称ufunc)是一种
在 Numpy 中简化多维数组
要简化多维数组，请使用PythonNumpy中的np.ufunc.reduce()方法。这里，我们使用multiply.reduce()将其简化为元素的乘法。numpy.ufunc包含对整个数组逐个元素进行操作的函数。这些ufunc是用C语言编写的(为了提高速度)，并通过NumPy的ufunc功能链接到Python中。通用函数(简称ufunc)是一种以逐个元素
在 Numpy 中沿给定轴对多维数组进行归约
要对多维数组进行归约，请使用PythonNumpy中的np.ufunc.reduce()方法。这里我们使用multiply.reduce()将其归约成元素的乘法。轴使用"axis"参数设置。归约所沿的一个或多个轴numpy.ufunc包含对整个数组逐个元素进行操作的函数。这些ufunc是用C语言编写的(为了提高速度)，并通过NumPy的ufunc功能链接到Pyth
在 Numpy 中缩减多维数组并沿负轴添加元素
要缩减多维数组，请使用PythonNumpy中的np.ufunc.reduce()方法。这里我们使用了multiply.reduce()将其缩减为元素的乘法。轴使用"axis"参数设置。缩减操作沿一个或多个轴进行。负轴从最后一个轴计数到第一个轴。通用函数(简称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、类型转换和其他一些标准特性。也就是说，u
在 Numpy 中沿轴 1 缩减多维数组
要缩减多维数组，请使用PythonNumpy中的np.ufunc.reduce()方法。这里我们使用add.reduce()将其缩减为元素的相加。轴使用"axis"参数设置。缩减操作沿一个或多个轴进行。numpy.ufunc具有对整个数组逐个元素进行操作的函数。ufuncs使用C语言编写(为了提高速度)，并通过NumPy的ufunc功能链接到Python。通用函数
在 Numpy 中沿负轴减少多维数组
要沿负轴减少多维数组，请使用PythonNumpy中的np.ufunc.reduce()方法。这里我们使用add.reduce()将其减少为元素的相加。轴使用"axis"参数设置。减少操作所沿的一个或多个轴。numpy.ufunc包含对整个数组逐个元素进行操作的函数。这些ufunc是用C语言编写的(为了提高速度)，并通过NumPy的ufunc功能链接到Python
在 Numpy 中返回复数类型数组的逐元素平方根
要逐元素返回数组的非负平方根，请使用PythonNumpy中的numpy.sqrt()方法。返回一个与x形状相同的数组，包含x中每个元素的正平方根。如果x中有任何元素是复数，则返回一个复数数组(并计算负实数的平方根)。如果x中的所有元素都是实数，则y也是实数，负元素返回nan。如果提供了out，则y是对它的引用。如果x是标量，则y也是标量。out是存
在 Python Numpy 中同时返回按元素的商和余数
要同时返回按元素的商和余数，请使用PythonNumpy中的numpy.fmod()方法。其中，第一个参数是被除数(Dividend)数组。第二个参数是除数(Divisor)数组。这是C库函数fmod的NumPy实现，余数与被除数x1的符号相同。它相当于Matlab™的rem函数，请勿与Python的模运算符x1%x2混淆。条件通过输入进行广播
