Wie man mit booleschen Arrays in Numpy umgeht

Das Folgende ist eine detaillierte Erklärung der Verarbeitungsmethode von Booleschen Arrays in Numpy. Es hat einen guten Referenzwert und ich hoffe, dass es für alle hilfreich ist. Schauen wir uns das gemeinsam an

Es gibt zwei Hauptmethoden, um boolesche Arrays zu betreiben: „Any“ wird verwendet, um zu überprüfen, ob das Array einen True-Wert enthält, und „All“ wird verwendet, um zu überprüfen, ob das Array vollständig „True“ ist.

Bei Verwendung zur Berechnung wird die boolesche Größe in 1 und 0 umgewandelt, „Wahr“ wird in 1 umgewandelt und „Falsch“ wird in 0 umgewandelt. Diese Methode kann die Anzahl von True in einem booleschen Array zählen.

Wenn ein normales Array für boolesche Operationen verwendet wird, erfolgt eine ähnliche Datentypkonvertierung. Unter diesen werden Werte ungleich Null in True und 0 in False konvertiert.

In [30]: arr = randn(100)

In [31]: arr

Out[31]:

array([ 1.38474589, -1.51489066,-0.81053544, 1.47875437, -0.53638642,

0.09856211, 1.39931492, -0. 04226221, -0,66064836, 0,31829036,

-0,33759781, -0,35793518, 0,66974626, 1,5989403, 0,98361013,

0,0209635, -0,56165749, 0,59473585, -0,069561. 4 5, -0,50384339,

-0,51207066, -0,41794862, 2,12230002, 0,55457739 ,-0,83156748,

-1,5609328, -0,72414846, -0,24781724, 2,1523153, -1,35802819,

1,75644258, 1,6679 4885,-0 .30311682, 0.29060339, -0.18960502,

-0,91537419, -0,10277047, 0,06899507, 0,1535801, 0,5281243, .77197024,

0,72333408, -0,9656567, -0,04391422, -0,53504402, -0,3695063,

-0,57323435, -0,09923021, -0,8819845, -0,31904228, -0,34805511,

-1,39372713, -0,32243494, 1,1807 4562, -0. 77189808, 0,14011272,

-0,12029721, 0,91164114, 0,3052017, -0,45764259, 0,73858783,

0,67327449, 0,84294828, 0,54471476, 0,8300902, -0. 21001427,

-0 .8247486, 0.29870036,-0.71204709, 0.46825521, -0.76507537 ,

-0,67755756, 1,38798882, 0,44536155, 0,41104869, -0,24990925,

-0,38003931, 1,13801121, 0,19761371, 0. 84638972, 1. 05816446,

-0.03591458, 2.35862529, 1.69183501 , 0,77490116, -1,47556029,

-0,54755786, -0,93202001, 0,69240349, -0,02720469, 0,49363318,

0,55501151, -1. 67184849, -1,61725652, -0,9596424 4, 0,12177363])

In [32]: arr > 0

Out[32]:

array([ True, False, False, True , Falsch, Wahr, Wahr, Falsch, Falsch ,

Wahr, Falsch, Falsch, Wahr, Wahr, Wahr, Wahr, Falsch, Wahr,

Falsch, Falsch, Falsch, Falsch, Wahr , Wahr, Falsch, Falsch, Falsch,

Falsch, Wahr, Falsch, Wahr, Wahr, Falsch, Wahr, Falsch, Falsch,

Falsch, Wahr, Wahr, Wahr, Falsch, Wahr , Falsch, Falsch, Falsch,

Wahr, Falsch, Falsch, Falsch, Falsch, Falsch, Falsch, Falsch, Falsch,

Falsch, Falsch, Falsch, Wahr, Falsch, Wahr, Falsch , Wahr, Wahr,

Falsch, Wahr, Wahr, Wahr, Wahr, Wahr, Falsch, Falsch, Wahr,

Falsch, Wahr, Falsch, Falsch, Wahr, Wahr, Wahr, Falsch , Falsch,

Wahr, Wahr, Wahr, Wahr, Falsch, Wahr, Wahr, Wahr, Falsch,

Falsch, Falsch, Wahr, Falsch, Wahr, Wahr, Falsch, Falsch, Falsch , True],dtype=bool)

In [33]: (arr > 0).sum()

Out[33]: 46

In [34]: arr.any()

Out[34]: True

In [35]: arr.all ()

Out[35]: True

In [36]: (arr > ; 0).all()

Out[36]: False

Verwandte Empfehlungen:

Detailliert Erklärung des maskierten Numpy-Arrays

Das obige ist der detaillierte Inhalt vonWie man mit booleschen Arrays in Numpy umgeht. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!