python中any()和all()如何使用

python中any()和all()如何使用

any(iterables)和all(iterables)对于检查两个对象相等时非常实用，但是要注意，any和all是python内置函数，同时numpy也有自己实现的any和all，功能与python内置的一样，只不过把numpy.ndarray类型加进去了。因为python内置的对高于1维的ndarray没法理解，所以numpy基于的计算最好用numpy自己实现的any和all。

本质上讲，any()实现了或(OR)运算，而all()实现了与(AND)运算。

对于any(iterables)，如果可迭代对象iterables（至于什么是可迭代对象，可关注我的下篇文章）中任意存在每一个元素为True则返回True。特例：若可迭代对象为空，比如空列表[]，则返回False。
官方文档如是说：

Return True if any element of the iterable is true. If the iterable is empty, return False.

伪代码(其实是可以运行的python代码，但内置的any是由C写的)实现方式：

def any(iterable):
    for element in iterable:
        if element:
            return True
    return False

对于all(iterables)，如果可迭代对象iterables中所有元素都为True则返回True。特例：若可迭代对象为空，比如空列表[]，则返回True。
官方文档如是说：

Return True if all elements of the iterable are true (or if the iterable is empty).

伪代码(其实是可以运行的python代码，但内置的all是由C写的)实现方式：

def all(iterable):
    for element in iterable:
        if not element:
            return False
    return True

python的模块由两类语言开发，一类为纯python，一类为编译型语言，比如C/C++/Fortran。绝大多数标准库由纯python开发，这是由于python语言具有简洁性及短的开发周期。这些模块的源码很容易获得，在ipython下可用module??打印到屏幕上查看，或者写一个脚本保存起来，比如下面这样：

import os
import inspect as inspect
import pandas as pd

path = r"D:\python3_dev\package_down"
os.chdir(path)

series = inspect.getsource(pd.Series)
with open("pd_series_code.py", "w") as f:
    f.write(series)

当然，也可以到python安装包下查找，但是效率很低。

python inspect.getsource(object)只能查看用python写的module, class, method, function, traceback, frame, or code object。可以看看getsource的文档字符串，了解其基本功能。

>>>inspect.getsource.__doc__
'Return the text of the source code for an object.\n\n    
The argument may be a module, class, method, function, traceback, frame,\n    
or code object.  The source code is returned as a single string.  An\n    
OSError is raised if the source code cannot be retrieved.'

对于有些模块，通常是关乎运行性能的，一般都由编译型语言开发，比如os模块和for循环N多层的线性代数等模块。所以无法通过getsource方法获得源码，通常会抛出一个TypeError异常。要查看这些模块的源码，需要到GitHub上的python/cpython目录下找，比如在Objects目录下可找到listobject.c，这是list模块的C代码。

那么怎么知道一个模块是内置的呢？可用type(object)或object.__module__。比如

>>>type(all)
builtin_function_or_method

>>>all.__module__
'builtins'

一个2X3 ndarray 的例子。用numpy自己实现的all很容易判断两个array是否相等，但python内置的却抛出了异常。

>>>x = np.ones((2,3))
>>>x1 = np.ones((2,3))
>>>np.all(x==x1)
True
>>>xe = x==x1
>>>xe.all()
True
>>>all(xe)#这里调用了python内置模块all()
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

但是，还有更pythonic的写法，因为numpy有一个模块array_equal，可以直接判断两个array是否完全相等或某个轴相等，其实他也是用np.all实现的。

>>>np.array_equal(x, x1)
True

其实也不要惊讶，这只是python的常规操作。轮子已经被匠人造好，拿来用就OK了！如果你觉得自己可以造出更金光闪闪的轮子，那就抡起你的斧头；如果觉得已经够完美，那就拿来主义，不要再造了。

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
（内容同步更新到微信公众号python数学物理，微信号python_math_physics）