如何操作二维数字数组所有列的逻辑操作

Question

假设我有以下由四行三列组成的2DNumPy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？

Answer 1

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

Answer 2

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。