要强制掩码变为硬掩码，请使用 `ma.MaskedArray.harden_mask()` 方法。掩码数组的掩码是硬掩码还是软掩码由其 `hardmask` 属性决定。`harden_mask()` 将 `hardmask` 设置为 True。掩码数组是标准 numpy.ndarray 和掩码的组合。掩码或者是 `nomask`，表示关联数组中没有无效值，或者是一个布尔数组，它决定关联数组的每个元素是否有效。NumPy 提供了全面的数学函数、随机数生成器、线性代数例程、傅里叶变换等等。它支持广泛的……阅读更多

要返回掩码数组的长度，请在 Python NumPy 中使用 `ma.MaskedArray.__len__()` 方法。掩码数组是标准 numpy.ndarray 和掩码的组合。掩码或者是 `nomask`，表示关联数组中没有无效值，或者是一个布尔数组，它决定关联数组的每个元素是否有效。NumPy 提供了全面的数学函数、随机数生成器、线性代数例程、傅里叶变换等等。它支持各种硬件和计算平台，并且与分布式、GPU 和稀疏数组库良好兼容。步骤首先，导入……阅读更多

要返回当 dtype 与当前 dtype 不同时的新数组，请在 Python NumPy 中使用 `ma.MaskedArray.__array__(dtype)` 方法。我们将 dtype 参数设置为 float。掩码数组是标准 numpy.ndarray 和掩码的组合。掩码或者是 `nomask`，表示关联数组中没有无效值，或者是一个布尔数组，它决定关联数组的每个元素是否有效。NumPy 提供了全面的数学函数、随机数生成器、线性代数例程、傅里叶变换等等。它支持各种各样的硬件……阅读更多

要返回一个数组大于等于另一个数组的逐元素真值，请在 Python NumPy 中使用 `numpy.greater_equal()` 方法。返回值为 True 或 False。返回一个输出数组，x1 和 x2 的逐元素比较。通常为 bool 类型，除非传递了 dtype=object。如果 x1 和 x2 都是标量，则这是一个标量。out 是存储结果的位置。如果提供，它必须具有输入广播到的形状。如果没有提供或为 None，则返回一个新分配的数组。元组（只能作为关键字参数）必须具有……阅读更多

要返回一个数组大于另一个数组的逐元素真值，请在 Python NumPy 中使用 `numpy.greater()` 方法。返回值为 True 或 False。返回一个输出数组，x1 和 x2 的逐元素比较。通常为 bool 类型，除非传递了 dtype=object。如果 x1 和 x2 都是标量，则这是一个标量。out 是存储结果的位置。如果提供，它必须具有输入广播到的形状。如果没有提供或为 None，则返回一个新分配的数组。元组（只能作为关键字参数）必须具有……阅读更多

要返回最大公约数，请在 Python NumPy 中使用 `numpy.gcd()` 方法。参数是值的数组。如果 x1.shape != x2.shape，则它们必须可广播到一个共同的形状（这将成为输出的形状）。要返回最小公倍数，请在 Python NumPy 中使用 `numpy.lcm()` 方法。输入绝对值的最大公约数，如果 x1 和 x2 都是标量，则这是一个标量。步骤首先，导入所需的库 − import numpy as np 要返回最大公约数，请在 Python NumPy 中使用 `numpy.gcd()` 方法。参数是值的数组。如果……阅读更多

要约简多维数组，请在 Python NumPy 中使用 `np.ufunc.reduce()` 方法。这里，我们使用了 `add.reduce()` 将其约简为元素的加法。轴 0 使用 "axis" 参数设置。numpy.ufunc 具有对整个数组逐元素操作的函数。ufunc是用C语言编写的（为了速度），并使用NumPy的ufunc工具链接到Python。通用函数（简称ufunc）是一个逐元素操作ndarray的函数，支持数组广播、类型转换和几个其他标准功能。也就是说，ufunc是……阅读更多

要约简多维数组，请在 Python NumPy 中使用 `np.ufunc.reduce()` 方法。这里，我们使用了 `add.reduce()` 将其约简为元素的加法。轴使用 "axis" 参数设置。通用函数 (ufunc) 是一个逐元素操作 ndarray 的函数，支持数组广播、类型转换和几个其他标准功能。也就是说，ufunc 是一个“矢量化”的函数包装器，它接受固定数量的特定输入并产生固定数量的特定输出。numpy.ufunc 具有对整个数组逐元素操作的函数。ufunc是用……阅读更多

要返回数组的逐元素非负平方根，请在 Python NumPy 中使用 `numpy.sqrt()` 方法。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 中的任何元素是复数，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 是它的引用。如果 x 是标量，则这是一个标量。out 是存储结果的位置。如果提供……阅读更多

要对输入数组的每个元素计算 1 加上该元素的自然对数，请使用 Python NumPy 中的 `numpy.log1p()` 方法。它计算 log(1 + x)。对于复数值输入，`log1p` 是一个复解析函数，具有分支切割 [-inf, -1]，并在其上从上方连续。`log1p` 将浮点负零处理为无穷小负数，符合 C99 标准。步骤首先，导入所需的库 −`import numpy as np` 使用 `array()` 方法创建一个数组 −`arr = np.array([1e-15, 10000, 1e-99])` 显示数组 −`print("Array...", arr)` 获取数组的类型 −`print("Our Array type...", arr.dtype)` 获取数组的维度… 阅读更多