假设我有以下由四行三列组成的2D
NumPy
数组:
>>> a = numpy.array([[True, False],[False, False], [True, False]])
>>> array([[ True, False],
[False, False],
[ True, False]], dtype=bool)
生成包含逻辑或所有列(如[True, False]
)的1D
数组的有效方法是什么?
我在网上搜索,发现有人参考sum(axis=)
来计算sum
。
我想知道是否有一些类似的逻辑操作方式?
是的,有。使用any
:
>>> a = np.array([[True, False],[False, False], [True, False]])
>>> a
array([[ True, False],
[False, False],
[ True, False]], dtype=bool)
>>> a.any(axis=0)
array([ True, False], dtype=bool)
请注意将参数axis
更改为1
时会发生什么:
>>> a.any(axis=1)
array([ True, False, True], dtype=bool)
>>>
如果你想要逻辑和使用all
:
>>> b.all(axis=0)
array([False, False], dtype=bool)
>>> b.all(axis=1)
array([ True, False, False], dtype=bool)
>>>
另请注意,如果省略axis
关键字参数,它适用于每个元素:
>>> a.any()
True
>>> a.all()
False
NumPy还有一个类似于Pythonreduce
的reduce
函数。可以将其与NumPy的逻辑操作一起使用。例如:
>>> a = np.array([[True, False],[False, False], [True, False]])
>>> a
array([[ True, False],
[False, False],
[ True, False]])
>>> np.logical_or.reduce(a)
array([ True, False])
>>> np.logical_and.reduce(a)
array([False, False])
它还具有axis
参数:
>>> np.logical_or.reduce(a, axis=1)
array([ True, False, True])
>>> np.logical_and.reduce(a, axis=1)
array([False, False, False])
reduce
的想法是它累积地将函数(在我们的例子中logical_or
或logical_and
)应用于每一行或每一列。