python中numpy是什么意思_python中numpy什么意思

如果您要询问numpy.logical_or，则不，正如文档中明确指出的那样，唯一的参数是x1, x2，并且可以选择out：

numpy.logical_or(x1, x2[, out])=

您当然可以logical_or像这样将多个调用链接在一起：

x = np.array([True, True, False, False]) y = np.array([True, False, True, False]) z = np.array([False, False, False, False]) np.logical_or(np.logical_or(x, y), z) array([ True, True, True, False], dtype=bool) 在NumPy中推广这种链接的方法是reduce：

np.logical_or.reduce((x, y, z)) array([ True, True, True, False], dtype=bool) 当然这也将工作，如果你有一个多维数组，而不是单独的阵列，事实上，这就是它的意思被使用：

xyz = np.array((x, y, z)) xyz array([[ True, True, False, False], [ True, False, True, False], [False, False, False, False]], dtype=bool) np.logical_or.reduce(xyz) array([ True, True, True, False], dtype=bool) 但是，三个等长的1D数组的元组在NumPy方面类似于array_，并且可以用作2D数组。

在NumPy之外，您还可以使用Python的reduce：

functools.reduce(np.logical_or, (x, y, z)) array([ True, True, True, False], dtype=bool) 但是，与NumPy的不同reduce，并不是经常需要Python的。在大多数情况下，有一种更简单的处理方式-例如，将多个Python or运算符链接在一起，不要停下reduce来operator.or_，只需要使用即可any。如果没有，使用显式循环通常更易读。

实际上，NumPy any也可以用于这种情况，尽管它并不是那么简单。如果您未明确为其指定轴，则最终将得到标量而不是数组。所以：

np.any((x, y, z), axis=0) array([ True, True, True, False], dtype=bool) 如您所料，它logical_and是相似的-您可以将其链接起来，np.reduce也可以用显式functools.reduce替换。allaxis

那么其他操作logical_xor呢？再次，同样的处理……除了在这种情况下不存在all/ any-type函数。(你叫什么odd？？)