numpy.all()函数 与 numpy.any()函数

1 numpy.all()

 all()函数用于判断整个数组中的元素的值是否全部满足条件,如果满足条件返回True,否则返回False。本质上讲,all()实现了或(AND)运算

numpy.all(a, axis=None, out=None, keepdims=<no value>)
参数含义返回值
a输入可转换为数组的数组或对象

ndarray,bool

除非指定out,否则将返回一个新的布尔值或数组,在这种情况下,将返回对out的引用。

axisNone或int或int的元组,可选。沿轴或轴执行逻辑AND减少。 默认值(axis = None)是对输入数组的所有维度执行逻辑AND。 轴可以是负的,在这种情况下,它从最后一个轴到第一个轴计数。
outndarray,可选
keepdimsbool,可选。
  • 栗子1

import numpy as np

# NumPy all() 判断矩阵中 所有元素 是否 都为True
a2 = np.arange(5)       # 生成一个矩阵 [0  1  2  3  4]
print("np.all(a2):", np.all(a2))    # 输出:False

a3 = np.array([0, 3, 0, 0, 0])  # 随手写一个矩阵  [0  3  0  0  0]
print("np.all(a3):", np.all(a3))  # 输出:False

a4 = np.zeros_like(a3)       # 生成一个全是零的矩阵,形状与a3一样 [0  0  0  0  0]
print("np.all(a4):", np.all(a4))  # 输出:False

a5 = np.full_like(a3, False)  # 生成一个全是False的矩阵,形状与a3一样
print("np.all(a5):", np.all(a5))  # 输出:False

a6 = np.full_like(a3, True)  # 生成一个全是True的矩阵,形状与a3一样
print("np.all(a6):", np.all(a6))  # 输出:True
  • 栗子2

import numpy as np

a = np.eye(5)
print(a)
print(((a == 0) | (a == 1)).all())
print((a == 0).all())


# result

[[1. 0. 0. 0. 0.]
 [0. 1. 0. 0. 0.]
 [0. 0. 1. 0. 0.]
 [0. 0. 0. 1. 0.]
 [0. 0. 0. 0. 1.]]
True
False

2 numpy.any()

np.array.any()是操作,任意一个元素为True,输出为True。本质上讲,any()实现了或(OR)运算。

numpy.any(a, axis=None, out=None, keepdims=<no value>)
  • 栗子1

import numpy as np

# NumPy any() 判断矩阵中 是否 有一个元素 为True
a2 = np.arange(5)       # 生成一个矩阵 [0  1  2  3  4]
print("np.any(a2):", np.any(a2))    # 输出:True

a3 = np.array([0, 3, 0, 0, 0])  # 随手写一个矩阵
print("np.any(a3):", np.any(a3))  # 输出:True

a4 = np.zeros_like(a3)       # 生成一个全是零的矩阵,形状与a3一样 [0  0  0  0  0]
print("np.any(a4):", np.any(a4))  # 输出:False

a5 = np.full_like(a3, False)  # 生成一个全是False的矩阵,形状与a3一样
print("np.any(a5):", np.any(a5))  # 输出:False

a6 = np.full_like(a3, True)  # 生成一个全是True的矩阵,形状与a3一样
print("np.any(a6):", np.any(a6))  # 输出:True
  • 栗子2

import numpy as np

a = np.eye(5)
print(a)
print((a == 0).all())
print((a == 0).any())


# result

[[1. 0. 0. 0. 0.]
 [0. 1. 0. 0. 0.]
 [0. 0. 1. 0. 0.]
 [0. 0. 0. 1. 0.]
 [0. 0. 0. 0. 1.]]
False
True

3 判断np.array是否相等

首先,我们看一下list和np.array的区别:

lst1 = [1,3,5,7,9]
lst2 = [2,4,6,8,10]
print(lst1 == lst2)

# result

False
import numpy as np

a = np.eye(5)
b = np.eye(5)
c = np.ones((5, 5))

print(a)
print(b)
print(c)
print((a == b))
print((a == c))


# result

[[1. 0. 0. 0. 0.]
 [0. 1. 0. 0. 0.]
 [0. 0. 1. 0. 0.]
 [0. 0. 0. 1. 0.]
 [0. 0. 0. 0. 1.]]

[[1. 0. 0. 0. 0.]
 [0. 1. 0. 0. 0.]
 [0. 0. 1. 0. 0.]
 [0. 0. 0. 1. 0.]
 [0. 0. 0. 0. 1.]]

[[1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1.]]

[[ True  True  True  True  True]
 [ True  True  True  True  True]
 [ True  True  True  True  True]
 [ True  True  True  True  True]
 [ True  True  True  True  True]]

[[ True False False False False]
 [False  True False False False]
 [False False  True False False]
 [False False False  True False]
 [False False False False  True]]

可以看出:用 “==” 判断两个list 是否相同,返回的是True或False,而np.array返回的是每个元素值比较的列表。

那么如何比较两个np.array,而不是其中的元素呢?

import numpy as np

a = np.eye(5)
b = np.eye(5)
c = np.ones((5, 5))

print(a)
print(b)
print(c)
print((a == b))
print((a == c))
print((a == b).all())      # a.shape 与 b.shape需相同,否则会出错
print((a == c).all())
print((a == c).any())


# results


[[1. 0. 0. 0. 0.]
 [0. 1. 0. 0. 0.]
 [0. 0. 1. 0. 0.]
 [0. 0. 0. 1. 0.]
 [0. 0. 0. 0. 1.]]

[[1. 0. 0. 0. 0.]
 [0. 1. 0. 0. 0.]
 [0. 0. 1. 0. 0.]
 [0. 0. 0. 1. 0.]
 [0. 0. 0. 0. 1.]]

[[1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1.]
 [1. 1. 1. 1. 1.]]

[[ True  True  True  True  True]
 [ True  True  True  True  True]
 [ True  True  True  True  True]
 [ True  True  True  True  True]
 [ True  True  True  True  True]]

[[ True False False False False]
 [False  True False False False]
 [False False  True False False]
 [False False False  True False]
 [False False False False  True]]

True
False
True

a == b返回的仍然是np.array类型的数组,因此,再通过.all()方法即可判断a、b是否相等。

注:a.shape 与 b.shape需相同,否则会出错。
 

参考:

 

 

 

 

 

 

 

 

numpy.all()和numpy.any()是NumPy库中的两个函数numpy.all(arr, axis=None, out=None, keepdims=<no value>, *, where=<no value>)用于判断数组中的所有元素是否都为True。如果数组中的所有元素都为True,则返回True;否则返回False。 numpy.any(arr, axis=None, out=None, keepdims=<no value>, *, where=<no value>)用于判断数组中是否有任意一个元素为True。如果数组中有任意一个元素为True,则返回True;否则返回False。 举个例子来说明,假设我们有一个数组a,其中包含了一些元素,我们可以使用numpy.all(a)来判断数组a中的所有元素是否都为True,如果都为True,则返回True;否则返回False。同样地,我们可以使用numpy.any(a)来判断数组a中是否有任意一个元素为True,如果有任意一个为True,则返回True;否则返回False。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [numpy.any、numpy.all (两个对 bool array 极其有用的函数)](https://blog.csdn.net/myDarling_/article/details/127917953)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *3* [numpy.all()函数numpy.any()函数](https://blog.csdn.net/weixin_40522801/article/details/106463133)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值