Maison > Article > développement back-end > Comment gérer les tableaux booléens dans numpy
Ce qui suit est une explication détaillée de la méthode de traitement des tableaux booléens dans numpy. Elle a une bonne valeur de référence et j'espère qu'elle sera utile à tout le monde. Jetons un coup d'œil ensemble
Il existe deux manières principales de faire fonctionner les tableaux booléens, any est utilisé pour vérifier s'il y a une valeur vraie dans le tableau, et all est utilisé pour vérifier si le tableau est entièrement vrai.
Si elle est utilisée pour le calcul, la quantité booléenne sera convertie en 1 et 0, True est converti en 1 et False est converti en 0. Cette méthode peut compter le nombre de True dans un tableau booléen.
Si un tableau normal est utilisé pour les opérations booléennes, il y aura une conversion de type de données similaire. Parmi elles, les valeurs non nulles sont converties en True et 0 est converti en False.
Dans [30] : arr = randn(100)
Dans [31] : arr
Sortie[31] :
tableau([ 1.38474589, -1.51489066,-0.81053544, 1.47875437, -0.53638642,
0.09856211, 1.39931492, -0. 04226221, -0.66064836, 0.31829036,
-0.33759781, -0.35793518, 0.66974626, 1.5989403, 0.98361013,
0.0209635, -0.56165749, 0.59473585, -0.069561 45 , -0.50384339,
-0.51207066, -0.41794862, 2.12230002, 0.55457739 ,-0.83156748,
-1.5609328, -0.72414846, -0.24781724, 2.1523153, -1.35802819,
1.75644258, 1.6679, 4885,-0.30311682, 0.29060339, -0.18960502,
-0.91537419 , -0.10277047, 0.06899507, 0.1535801 , 0.5281243 ,
-0.49951785, 0.26074368,-0.04215356, -0.29765383, -0 .77197024,
0.72333408, -0.9656567, -0.04391422, -0.53504402, -0.3695063,
-0.57323435, -0.09923021, -0.8819845, -0.31904228, -0.34805511,
-1.39372713, -0.32243494, 4562, -0.77189808, 0.14011272,
-0.12029721, 0.91164114 , 0.3052017 , -0.45764259, 0.73858783,
0.67327449, 0.84294828, 0.54471476, 0.8300902 , -0. 21001427,
-0.8247486, 0.29870036,-0.71204709, 0.46825521, -0.76507537 ,
-0.67755756, 1.38798882, 0.44536155, 0.41104869, -0.24990925,
-0.38003931, 1.13801121, 0.19761371, 0. 84638972, 1.05816446,
-0.03591458, 2.35862529, 1.69183501 , 0.77490116, -1.47556029,
-0.54755786, -0.93202001, 0.69240349, -0.02720469, 0.49363318,
0.55501151, -1. 67184849, -1.61725652, -0.9596424 4, 0.12177363])
Dans [32] : arr > 0
Sortie[32] :
array([ Vrai, Faux, Faux, Vrai , Faux, Vrai, Vrai, Faux, Faux,
Vrai, Faux, Faux, Vrai, Vrai, Vrai, Vrai, Faux, Vrai,
Faux, Faux, Faux, Faux, Vrai , Vrai, Faux, Faux, Faux,
Faux, Vrai, Faux, Vrai, Vrai, Faux, Vrai, Faux, Faux,
Faux, Vrai, Vrai, Vrai, Faux, Vrai , Faux, Faux,Faux,
Vrai, Faux, Faux, Faux, Faux, Faux, Faux, Faux, Faux,
Faux, Faux, Faux, Vrai,Faux, Vrai, Faux , Vrai, Vrai,
Faux, Vrai, Vrai, Vrai, Vrai, Vrai, Faux, Faux, Vrai,
Faux, Vrai, Faux, Faux, Vrai, Vrai, Vrai, Faux , Faux,
Vrai, Vrai, Vrai, Vrai, Faux, Vrai, Vrai, Vrai, Faux,
Faux, Faux, Vrai, Faux, Vrai, Vrai, Faux, Faux, Faux , True],dtype=bool)
Dans [33] : (arr > 0).sum()
Out[33] : 46
Dans [34] : arr.any()
Sortie[34] : Vrai
Dans [35] : arr.all ()
Out[35] : Vrai
Dans [36] : (arr > ; 0).all()
Out[36] : Faux
Recommandations associées :
Détaillées explication du tableau masqué Numpy
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!