使用 a.any() 或 a.all()答案

【问题标题】：Use a.any() or a.all()使用 a.any() 或 a.all()
【发布时间】：2016-04-01 01:55:59
【问题描述】：

x = np.arange(0,2,0.5)
valeur = 2*x

if valeur <= 0.6:
    print ("this works")
else:   
    print ("valeur is too high")

这是我得到的错误：

if valeur <= 0.6:
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

我已经阅读了几篇关于 a.any() 或 a.all() 的帖子，但仍然找不到真正清楚地解释如何解决问题的方法。我明白为什么 Python 不喜欢我写的东西，但我不知道如何解决它。

【问题讨论】：

valeur 是一个向量，其中一些元素小于 0.6，一些元素更大。 valeur <= 0.6 是什么意思？
valeur 是一个向量，等于 [ 0. 1. 2. 3.] 我对每一个词都感兴趣。对于 0.6 以下的部分，则返回“this works”。对于 0.6 以上的部分，返回“valeur is too high”，这是一个愚蠢的版本，我不是根据条件打印这个或打印那个，而是根据条件将 Valeur 的每个元素输入方程 1 或方程 2
将单个值与向量进行比较就像比较橙子和苹果，any() 和 all() 是验证向量中的任何元素是否满足该条件的函数，或者所有元素满足条件

标签： python numpy

【解决方案1】：

如果您查看valeur <= 0.6 的结果，您会发现导致这种歧义的原因：

>>> valeur <= 0.6
array([ True, False, False, False], dtype=bool)

所以结果是另一个数组，在这种情况下有 4 个布尔值。现在结果应该是什么？当一个值为真时，条件是否应该为真？只有当所有值都为真时，条件才应该为真？

这正是 numpy.any 和 numpy.all 所做的。前者要求至少一个真值，后者要求所有值都为真：

>>> np.any(valeur <= 0.6)
True
>>> np.all(valeur <= 0.6)
False

【讨论】：

【解决方案2】：

还有另一种方法可以得到它

import numpy as np

a = np.array([1,2,3,4])
b = np.array([5,6,7,8])
c = np.array([1,2,3,4])

print((a == b ).all())  #False
print((a == c ).all())   # True
print((a == b ).any())   #False
print((a == c ).any())   #True
print((a > 3 ).all())    #False

【讨论】：

【解决方案3】：

你评论：

valeur 是一个向量，等于 [ 0. 1. 2. 3.] 我对每一个词都感兴趣。对于0.6以下的部分，则返回“this works”......

如果您对每个术语感兴趣，请编写代码以便处理每个术语。例如。

for b in valeur<=0.6:
    if b:
        print ("this works")
    else:   
        print ("valeur is too high")

这将写 2 行。

numpy 代码在您尝试将它用于需要单个标量值的上下文时会产生错误。 if b:... 只能做一件事。它本身并不会遍历 b 的元素，为每个元素做不同的事情。

您也可以将该迭代转换为列表理解，例如

['yes' if b else 'no' for b in np.array([True, False, True])]

【讨论】：

【解决方案4】：

这也应该有效，并且是对问题中所问问题的更接近的答案：

for i in range(len(x)):
    if valeur.item(i) <= 0.6:
        print ("this works")
    else:   
        print ("valeur is too high")

【讨论】：

【解决方案5】：

如果你想为每个元素做一些事情：

使用numpy的函数

import numpy as np
def temp(x):
    if x <= 0.6:
        print ("this works")
    else:   
        print ("valeur is too high")
arr = np.arange(0,1,0.1)
np.vectorize(temp)(arr)

【讨论】：