numpy位运算函数仅支持整数类型数组，对浮点数或布尔数组需先用astype转为int32或uint8；bitwise_not对负数按补码处理；&、|、^是对应函数的语法糖，行为与性能完全一致。
NumPy位运算函数必须作用于整数类型数组
对浮点数或布尔数组直接调用 np.bitwise_and 会报 TypeError: ufunc 'bitwise_and' not supported for the input types。NumPy的位运算底层调用CPU整数指令，不支持float、bool甚至object类型。
实操建议：
- 先用
arr.astype(np.int32)或arr.astype(np.uint8)显式转换，避免隐式转换失败 - 注意符号扩展问题：负数参与
np.bitwise_not时按补码处理，np.bitwise_not(-1)结果是0（不是1） - 布尔数组想做位运算？先转成整数：
arr.astype(np.uint8)，否则会触发类型错误
np.bitwise_and / or / xor 和 & / | / ^ 操作符行为完全一致
Python中 &、|、^ 在NumPy数组上就是 np.bitwise_and 等函数的语法糖，二者生成相同结果、相同性能、相同广播规则。
使用场景差异在于可读性与调试便利性：
- 写条件掩码时用
&更自然：(a > 0) & (a —— 注意必须加括号，否则优先级低于比较运算符 - 需要显式传参或动态选择运算时用函数：
getattr(np, 'bitwise_' + op)(x, y) - 函数名更易被IDE识别和跳转，
&操作符在大型表达式中容易看漏
np.unpackbits 和 np.packbits 处理字节级二进制展开
当需要把一个 uint8 数组逐字节拆成8个布尔位（如图像掩码、协议解析），np.unpackbits 是唯一高效方式；反过来压缩回字节用 np.packbits。
关键细节：
-
np.unpackbits默认返回uint8布尔数组（0/1值），不是bool类型，避免后续位运算再转类型 - 输入必须是
uint8，传int32会静默截断低8位 —— 不报错但结果错得隐蔽 - 输出形状变化剧烈：(N,) → (N×8,)，记得用
reshape对齐维度，例如图像行处理常用unpackbits(arr).reshape(-1, 8)
位移运算要注意符号位和数据类型溢出
np.left_shift 和 np.right_shift 不等价于 Python 的 / <code>>> 对标量的行为，尤其涉及有符号整数时。
常见陷阱：
- 对
int32数左移24位后右移24位，不一定还原原值——高位被丢弃，且右移是有符号扩展，负数会补1 - 用
np.uint32可规避符号问题，但需确保原始数据无符号语义 - 位移位数超出位宽（如
uint8移8位以上）结果为0，不循环也不报错，容易漏掉边界校验
实际工程中，如果位移用于协议字段提取，务必在移位前用 np.clip 或掩码限定位数范围，比如 np.bitwise_and(x, 0xFF) 再移位。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
