如何对 NumPy 数组执行逐元素布尔运算 [重复]

Posted 2023-03-10

【中文标题】如何对 NumPy 数组执行逐元素布尔运算 [重复]

【英文标题】：How to perform element-wise Boolean operations on NumPy arrays [duplicate]

【发布时间】：2012-01-27 18:09:36

【问题描述】：

例如，我想创建一个掩码来屏蔽值在 40 到 60 之间的元素：

foo = np.asanyarray(range(100))
mask = (foo < 40).__or__(foo > 60)

看起来很丑。我不会写

(foo < 40) or (foo > 60)

因为我最终得到：

  ValueError Traceback (most recent call last)
  ...
  ----> 1 (foo < 40) or (foo > 60)
  ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

有没有一种规范的方法可以用好看的代码对 NumPy 数组进行逐元素布尔运算？

【参考方案1】：

试试这个：

mask = (foo < 40) | (foo > 60)

注意：对象中的 __or__ 方法重载了按位或运算符 (|)，而不是布尔运算符 or。

【讨论】：

它不起作用：TypeError: ufunc 'bitwise_or' not supported for the input types，并且输入无法根据强制转换规则''safe''安全地强制转换为任何支持的类型

不要忘记正确地括号你的表达式

嗯...为什么需要括号？

@flow2k 原因是按位或比比较运算符具有更高的优先级（布尔或不会发生这种情况）。欲了解更多信息，请查看documentation

@flow2k 我认为您正在寻找的文档是 here：|>>。

【参考方案2】：

如果您仅在布尔值中进行比较，如您的示例所示，您可以按照 Jcollado 的建议使用按位 OR 运算符 |。但请注意，如果您曾经使用非布尔值，例如mask = (foo < 40) | override，这可能会给您带来奇怪的结果。只要override 保证为 False、True、1 或 0，就可以了。

更通用的是使用 NumPy 的比较集运算符np.any 和np.all。这个 sn-p 返回 35 到 45 之间小于 40 或不是 3 的倍数的所有值：

import numpy as np
foo = np.arange(35, 46)
mask = np.any([(foo < 40), (foo % 3)], axis=0)
print foo[mask]
OUTPUT: array([35, 36, 37, 38, 39, 40, 41, 43, 44])

它不如| 好，但比你问题中的代码好。

【讨论】：

最好专门使用np.any 和np.all。

如果您正在考虑其他解决方案，请不要。它将为您节省很多痛苦！

请注意，np.any / np.all 逗号足以分隔数组条件（括号 () 内不需要括号 [] ），并且您可以有两个以上的条件（已评估只要设置了axis=0，就元素而言），只要它们是相同的类型（例如，所有连词或所有替代品，但不是连词和替代品的混合）

【参考方案3】：

请注意，您可以使用~ 进行元素否定。

arr = np.array([False, True])
~arr

OUTPUT: array([ True, False], dtype=bool)

& 也按元素和

arr_1 = np.array([False, False, True, True])
arr_2 = np.array([False, True, False, True])

arr_1 & arr_2

OUTPUT:   array([False, False, False,  True], dtype=bool)

这些也适用于 Pandas 系列

ser_1 = pd.Series([False, False, True, True])
ser_2 = pd.Series([False, True, False, True])

ser_1 & ser_2

OUTPUT:
0    False
1    False
2    False
3     True
dtype: bool

【讨论】：

根据 numpy 文档，& 似乎是 bitwise and，而不是元素。

【参考方案4】：

您可以使用NumPy logical operations。在您的示例中：

np.logical_or(foo < 40, foo > 60)