在 2D numpy 数组中计算 False 值的最有效（和 Pythonic）方法？答案

【问题标题】：Most efficient (and pythonic) way to count False values in 2D numpy arrays?在 2D numpy 数组中计算 False 值的最有效（和 Pythonic）方法？
【发布时间】：2016-07-27 23:51:39
【问题描述】：

我正在尝试计算 np.array 中的 False 值，如下所示：

import numpy as np
a = np.array([[True,True,True],[True,True,True],[True,False,False]])

我通常使用这种方法：

number_of_false=np.size(a)-np.sum(a)

有没有更好的办法？

【问题讨论】：

如何使用numpy.count_nonzero
@AnttiHaapala 使用 numpy.sum 是否相同？数数是真的

标签： python numpy boolean

【解决方案1】：

使用count_nonzero 计算非零（例如不是False）值：

>>> np.size(a) - np.count_nonzero(a)
2

【讨论】：

是的，但这与我或多或少使用的解决方案不同？
从我的小基准来看，在那个数量级上。 :)

【解决方案2】：

更清楚的肯定是问到底需要什么，但这并不意味着它是最有效的：

在建议的答案中使用jupyter 中的%%timeit 和python 2.7 会明显胜出：

    seq = [[True, True, False, True, False, False, False] * 10 for _ in range(100)]
    a = np.array(seq)

    np.size(a) - np.count_nonzero(a) 1000000 loops, best of 3: 1.34 µs per loop  - Antti Haapala
    (~a).sum()                        100000 loops, best of 3: 18.5 µs per loop  - Paul H
    np.size(a) - np.sum(a)             10000 loops, best of 3: 18.8 µs per loop  - OP
    len(a[a == False])                 10000 loops, best of 3: 52.4 µs per loop
    len(np.where(a==False))            10000 loops, best of 3: 77 µs per loop    - Forzaa
.

明显的赢家是 Antti Haapala，在一个数量级上，np.size(a) - np.count_nonzero(a)

len(np.where(a==False)) 似乎受到数组嵌套结构的惩罚；一维数组上的相同基准给出10000 loops, best of 3: 27 µs per loop

【讨论】：

顺便说一句：a.size 比 np.size(a) 快约 10 倍。基准测试的替代方案可能是np.count_nonzero(~a)，不过这不是最有效的。

【解决方案3】：

这样可以：

len(np.where(a==False))

也许还有其他更快或更好看的方法。

【讨论】：

【解决方案4】：

另一种选择是：

np.bitwise_not(a).sum()

更短，但可能不太清楚的是：

(~a).sum()

【讨论】：

【解决方案5】：

计算错误比较的次数

number_of_false = np.size(out_putArray) - np.count_nonzero(out_putArray[0] >= out_putArray[1])

真比较的计数

number_of_true = np.count_nonzero(out_putArray[0] >= out_putArray[1])

【讨论】：