与“numpy”相关的TAG标签

np.nan_to_num默认将np.nan替换为0.0，np.inf替换为dtype对应的finfo.max（如float64下约1.798e308），-np.inf替换为finfo.min。

np.where多条件嵌套本质是逐层掩码叠加，每层仅支持三元选择，需用&连接否定前提与新条件；三层if-elif-else应写为np.where(a=0)&(a

最常用方式是用字典指定列与函数映射，支持单列单函数、单列多函数（生成多级索引）及命名聚合（如agg(sales_sum=(‘sales’,‘sum’))避免嵌套），需确保函数返回标量且key不冲突。

本文详解如何使用go.Scatter3d的marker参数（而非独立的color或markers参数）精确控制新增3D数据点的颜色、形状、大小等视觉属性，并纠正常见参数误用。

本文介绍在高维稀疏医学数据（如含5300列代谢物、200例样本且缺失值密集）中正确实施PCA的方法，重点解析跳过完整样本删除、支持成对有效观测的协方差矩阵构建策略，并提供可直接运行的NumPy手动实现代码。

NumPy1.20+官方推荐sliding_window_view，基于内存视图零拷贝、速度快；一维输入得二维输出，聚合需指定axis=1；支持多维但步长固定为1，边界不补零仅保留完整窗口。

MaskedArray的缺失值通过独立mask数组标记而非替换，计算自动跳过掩码项；聚合默认跳过且不可关闭skipna；混合运算时mask按逻辑或传播；导出需用filled(np.nan)或compressed()，禁用data。

as_strided的核心原理是零拷贝内存重解释：通过新shape、strides和offset直接映射原数组内存，要求总字节数原nbytes且strides以字节为单位；需手动保证安全，推荐writeable=False。

列归一化本质是每列独立执行(x-col_mean)/col_std：需用axis=0计算均值和标准差以获得(n_cols,)向量实现广播；漏写axis=0或误用axis=1会导致错误；含NaN时建议keepdims=True；StandardScaler更适用于需复用参数的场景。

einsum字符串需确保输入维度标签与输出标签严格匹配，字母顺序须与张量ndim一致，重复字母表求和或对角线，跨输入重复触发求和，空输出表示标量，省略号要求前缀维度对齐。