17_NumPy数组ndarray中计算满足条件的元素的个数

17_NumPy数组ndarray中计算满足条件的元素的个数

连同示例代码一起说明了一种计算满足NumPy数组ndarray条件的元素数量的方法。

将描述以下内容。

• 全体ndarray中满足条件的元素数的计算
• 计算ndarray的每一行和每一列满足条件的元素数
• 使用numpy.any（）（全体，行/列）检查是否有满足条件的元素
• 使用numpy.all（）检查所有元素是否都满足条件（全体，行/列）
• 多种条件

要替换满足条件的元素，请参考以下文章。

• 04_Numpy的函数np.where（）—满足条件的处理

全体ndarray中满足条件的元素数的计算

将ndarray与标量值进行比较将返回以布尔值（True，False）作为元素的ndarray。您可以将<，==，！=等进行比较。

import numpy as np

a = np.arange(12).reshape((3, 4))
print(a)
# [[ 0  1  2  3]
#  [ 4  5  6  7]
#  [ 8  9 10 11]]

print(a < 4)
# [[ True  True  True  True]
#  [False False False False]
#  [False False False False]]

print(a % 2 == 1)
# [[False  True False  True]
#  [False  True False  True]
#  [False  True False  True]]

使用np.count_nonzero（）获得True的数量，即满足条件的元素的数量

print(np.count_nonzero(a < 4))
# 4

print(np.count_nonzero(a % 2 == 1))
# 6

True 被视为 1，False 被视为 0，因此您也可以使用 np.sum()。然而， np.count_nonzero() 更快。

print(np.sum(a < 4))
# 4

print(np.sum(a % 2 == 1))
# 6

计算ndarray的每一行和每一列满足条件的元素数

通过指定参数轴，为每个轴（每个维度）处理多维数组的Np.count_nonzero（）。

在二维数组的情况下，将在参数axis= 0的列中进行处理，在axis= 1的行中进行处理。通过使用它，可以计算满足每一行和每一列条件的元素的数量。

print(np.count_nonzero(a < 4, axis=0))
# [1 1 1 1]

print(np.count_nonzero(a < 4, axis=1))
# [4 0 0]

print(np.count_nonzero(a % 2 == 1, axis=0))
# [0 3 0 3]

print(np.count_nonzero(a % 2 == 1, axis=1))
# [2 2 2]

自版本1.12.0起，可以使用np.count_nonzero（）指定参数轴。由于np.sum（）自1.7.0版以来已实现参数轴，因此可以将np.sum（）用于较早的版本。

使用numpy.any（）（全体，行/列）检查是否有满足条件的元素

np.any（）是一个函数，如果在作为第一个参数传递的ndarray中至少有一个True元素，则返回True，否则返回False。

print(np.any(a < 4))
# True

print(np.any(a > 100))
# False

与np.count_nonzero（）类似，如果指定了参数轴，则np.any（）将处理每一行和每一列。

print(np.any(a < 4, axis=0))
# [ True  True  True  True]

print(np.any(a < 4, axis=1))
# [ True False False]

使用numpy.all（）检查所有元素是否都满足条件（全体，行/列）

np.all（）是一个函数，如果在第一个参数中传递的ndarray的所有元素均为True，则返回True，否则返回False。

print(np.all(a < 4))
# False

print(np.all(a < 100))
# True

与np.count_nonzero（）相似，当指定参数轴时，将对每一行和每一列处理np.all（）。

print(np.all(a < 4, axis=0))
# [False False False False]

print(np.all(a < 4, axis=1))
# [ True False False]

多种条件

如果要组合多个条件，请将每个条件表达式括在（）中，并将其与＆或|连接。

print((a < 4) | (a % 2 == 1))
# [[ True  True  True  True]
#  [False  True False  True]
#  [False  True False  True]]

print(np.count_nonzero((a < 4) | (a % 2 == 1)))
# 8

print(np.count_nonzero((a < 4) | (a % 2 == 1), axis=0))
# [1 3 1 3]

print(np.count_nonzero((a < 4) | (a % 2 == 1), axis=1))
# [4 2 2]

请注意，如果省略括号（）或使用and和or，将发生错误。