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。
axis	None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。
out	ndarray，可选
keepdims	bool，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()是或操作，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：

• https://blog.csdn.net/yl_best/article/details/102593264