如何对 2D numpy 数组的所有列进行逻辑运算答案

【问题标题】：How to operate logic operation of all columns of a 2D numpy array如何对 2D numpy 数组的所有列进行逻辑运算
【发布时间】：2017-04-17 01:26:39
【问题描述】：

假设我有以下由四行三列组成的 2D NumPy 数组：

>>> a = numpy.array([[True, False],[False, False], [True, False]])
>>> array([[ True, False],
       [False, False],
       [ True, False]], dtype=bool)

生成包含逻辑或所有列的1D 数组（如[True, False]）的有效方法是什么？

我在网上搜索，发现有人提到sum(axis=) 来计算sum。

不知道有没有类似的逻辑运算方式？

【问题讨论】：

标签： python numpy

【解决方案1】：

是的，有。使用any：

>>> a = np.array([[True, False],[False, False], [True, False]])
>>> a
array([[ True, False],
       [False, False],
       [ True, False]], dtype=bool)
>>> a.any(axis=0)
array([ True, False], dtype=bool)

注意将参数 axis 更改为 1 时会发生什么：

>>> a.any(axis=1)
array([ True, False,  True], dtype=bool)
>>>

如果你想要逻辑-并使用all：

>>> b.all(axis=0)
array([False, False], dtype=bool)
>>> b.all(axis=1)
array([ True, False, False], dtype=bool)
>>>

另请注意，如果您省略 axis 关键字参数，它适用于每个元素：

>>> a.any()
True
>>> a.all()
False

【讨论】：

看起来您忘记在示例中包含 b：b = np.array([[True, True],[False, False], [True, False]])

【解决方案2】：

NumPy 还有一个reduce 函数，它类似于Python 的reduce。可以将它与 NumPy 的 logical operations 一起使用。例如：

>>> a = np.array([[True, False],[False, False], [True, False]])
>>> a
array([[ True, False],
       [False, False],
       [ True, False]])
>>> np.logical_or.reduce(a)
array([ True, False])
>>> np.logical_and.reduce(a)
array([False, False])

它还有axis参数：

>>> np.logical_or.reduce(a, axis=1)
array([ True, False,  True])
>>> np.logical_and.reduce(a, axis=1)
array([False, False, False])

reduce 的想法是它累积地将一个函数（在我们的例子中为 logical_or 或 logical_and）应用于每一行或每一列。

【讨论】：