【一分钟】熟悉np.all()和np.any()的常见用法（建议收藏）

Numpy中文文档

引言

NumPy库中的np.all()和np.any()函数是数据分析师们在日常工作中不可或缺的工具。这两个函数能迅速地测试NumPy数组中的元素是否满足特定条件，从而帮助我们全面了解数据集的整体特性。

在接下来的文章中，我们将通过具体的代码示例和详细注释，深入探讨np.all()和np.any()函数的常见应用场景。无论你是数据分析新手，还是希望提升数据处理技能的数据专家，都能从中获益匪浅。

---

np.all()函数的常见用法

np.all()函数用于测试NumPy数组中所有元素是否都满足指定条件。它接受一个NumPy数组作为输入，并返回一个布尔值，指示数组中所有元素是否都满足条件。

示例代码

import numpy as np

# 创建一个NumPy数组
array = np.array([1, 2, 3, 4, 5])

# 使用np.all()函数测试数组中所有元素是否都大于0
result = np.all(array > 0)

# 打印结果
print(result)  # 输出：True

运行结果：

在这个例子中，我们创建了一个包含正整数的NumPy数组，并使用np.all()函数测试数组中所有元素是否都大于0。由于数组中的所有元素都大于0，所以np.all()函数返回True。

---

np.any()函数的常见用法

np.any()函数用于测试NumPy数组中是否存在至少一个元素满足指定条件。它接受一个NumPy数组作为输入，并返回一个布尔值，指示数组中是否存在至少一个元素满足条件。

示例代码

import numpy as np

# 创建一个NumPy数组
array = np.array([1, 2, 3, 4, 5])

# 使用np.any()函数测试数组中是否存在至少一个元素大于5
result = np.any(array > 5)

# 打印结果
print(result)  # 输出：False

运行结果

在这个例子中，我们创建了一个包含正整数的NumPy数组，并使用np.any()函数测试数组中是否存在至少一个元素大于5。由于数组中的所有元素都不大于5，所以np.any()函数返回False。

---

常见使用场景举例

判断numpy数组中是否【全是】非0元素

# 判断数组中是否全是非0元素
a = np.array([1, 2, 3, 4])
b = np.array([0, 1, 2, 3])
c = np.array([np.nan, 1, 2, 3])  # nan --> Not a Number ---> 算非0元素
d = np.array([np.inf, 1, 2, 3])  # np.inf --> 正无穷大 ---> 算非0元素
e = np.array([-np.inf, 1, 2, 3]) # -np.inf --> 负无穷大 ---> 算非0元素
print(np.all(a))  # True
print(np.all(b))  # False
print(np.all(c))  # True
print(np.all(d))  # True
print(np.all(e))  # True

判断numpy数组中是否【存在】非0元素

# 判断数组中是否存在非0元素
a = np.array([0, 0, 0, 0])
b = np.array([0, 1, 0, 0])
c = np.array([0, np.nan, 0, 0])
d = np.array([0, np.inf, 0, 0])
e = np.array([0, -np.inf, 0, 0])
print(np.any(a))  # False
print(np.any(b))  # True
print(np.any(c))  # True
print(np.any(d))  # True
print(np.any(e))  # True

判断数组中的元素是否【都】满足某个条件

a = np.array([0, 2, 3, 4])
# 判断数组a的元素是否都大于0
print(np.all(a > 0))  # False
# 判断数组a的元素是否都大于-1
print(np.all(a > -1))  # True

b = np.array([0, 0, 0, 0])
# 判断数组b是否为全0数组
print(np.all(b == 0))  # True
# 判断数组b是否为全1数组
print(np.all(b == 1))  # False

判断数组是否【存在】元素满足某个条件

a = np.array([0, 2, 3, 4])
# 判断数组a是否存在元素大于5
print(np.any(a > 5))  # False
# 判断数组a是否存在元素大于3
print(np.any(a > 3))  # True

b = np.array([0, 0, 1, 0])
# 判断数组b是否存在元素等于1
print(np.any(b == 1))  # True
print(1 in b)  # True
# 判断数组b是否存在元素等于-1
print(np.any(b == -1))  # False
print(-1 in b)  # False

判断两个数组是否【完全】相等

a = np.array([1, 2, 3, 4])
b = np.array([1, 2, 3, 4])
c = np.array([1, 2, 3, 5])
print(np.all(a == b))  # True
print(np.all(b == c))  # False

判断多维数组沿指定轴是否满足某个条件

a = np.zeros((4, 5), dtype=np.int32)
a[2, 2] = 1
print(a)
# 判断二维数组a【每列】是否【存在】大于0的元素
print(np.any(a > 0, axis=0))
# 判断二维数组a【每行】是否【存在】大于0的元素
print(np.any(a > 0, axis=1))

# 输出结果
# [[0 0 0 0 0]
#  [0 0 0 0 0]
#  [0 0 1 0 0]
#  [0 0 0 0 0]]
# [False False  True False False] # 数组a第三列存在大于0的元素1
# [False False  True False] # 数组a第三行存在大于0的元素1


# 判断二维数组a【每列】是否【都】大于-1
print(np.any(a > -1, axis=0))
# 判断二维数组a【每行】是否【都】大于1
print(np.any(a > 1, axis=1))

# 输出结果
# [ True  True  True  True  True] # 数组a每列的所有元素都大于-1
# [False False False False] # 数组a每行的所有元素都不大于1

判断数组中的元素是否【全是】有限的数值

NaN、正无穷大、负无穷大都不是有限值。

a = np.array([np.nan, 1, 2, 3])
b = np.array([np.inf, 1, 2, 3])
c = np.array([-np.inf, 1, 2, 3])
print(np.all(np.isfinite(a)))  # False
print(np.all(np.isfinite(b)))  # False
print(np.all(np.isfinite(c)))  # False

小结

本文向大家介绍了np.all()和np.any()两个函数的常见用法，并通过示例代码和详细注释进行了解释。np.all()函数用于测试数组中所有元素是否都满足指定条件，而np.any()函数用于测试数组中是否存在至少一个元素满足指定条件。这两个函数在处理数据和分析时非常有用，希望大家通过本文能够熟练掌握它们的用法。

结尾

亲爱的读者，首先感谢您抽出宝贵的时间来阅读我们的博客。我们真诚地欢迎您留下评论和意见，因为这对我们来说意义非凡。
俗话说，当局者迷，旁观者清。您的客观视角对于我们发现博文的不足、提升内容质量起着不可替代的作用。
如果您觉得我们的博文给您带来了启发，那么，希望您能为我们点个免费的赞/关注，您的支持和鼓励是我们持续创作的动力。
请放心，我们会持续努力创作，并不断优化博文质量，只为给您带来更佳的阅读体验。
再次感谢您的阅读，愿我们共同成长，共享智慧的果实！