使用向量函数 Numpy提供使用矢量化函数的数组合理的方法，提供改进的性能和代码简单性，与传统的python循环相比，提供了改进的性能和代码简单性。在保持其形状的同时，左，右，向上或向下的非零元素。

以下numpy实现执行有效的理由：

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

此函数沿指定的轴和侧面（左，右，向下，向下）合理。它可以使用掩码识别非零元素，使用排序对其进行排序，如果向上或向左进行掩盖，然后用合理的值覆盖原始数组。

这是一个涵盖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（“原始数组：”） 打印（A） 打印（“ \ ncovered左：”） print（coving_left）

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

为通用n维数组的合理性

，用于为n维数组合理，可以使用以下函数：

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

此函数通过沿任意轴和数组的“正面”或“末端”的n维数组合理来支持更复杂的方案。