使用向量函數 Numpy提供使用矢量化函數的數組合理的方法，提供改進的性能和代碼簡單性，與傳統的python循環相比，提供了改進的性能和代碼簡單性。在保持其形狀的同時，左，右，向上或向下的非零元素。

以下numpy實現執行有效的理由：

= a [mask] 別的： out.t [justified_mask.t] = a.t [mask.t] 返回

此函數沿指定的軸和側面（左，右，向下，向下）合理。它可以使用掩碼識別非零元素，使用排序對其進行排序，如果向上或向左進行掩蓋，然後用合理的值覆蓋原始數組。

這是一個涵蓋非零元素的用法示例np.array（[[[1,0,2,0]， [3,0,4,0]， [5,0,6,0]， [0,7,0,8]]）） ＃封面 coving_left = Jusify（a，axis = 1，side ='left'） 打印（“原始數組：”） 打印（A） 打印（“ \ ncovered左：”） print（coving_left）

[3 0 4 0] [5 0 6 0] [0 7 0 8]] 左覆蓋： [[1 2 0 0] [3 4 0 0] [5 6 0 0] [7 8 0 0]]

為通用n維數組的合理性

，用於為n維數組合理，可以使用以下函數：

= a [mask] 別的： pushax（out）[pushax（jusified_mask）] = pushax（a）[pushax（bask）] 返回

此函數通過沿任意軸和數組的“正面”或“末端”的n維數組合理來支持更複雜的方案。