如何计算 NumPy bool 数组中真实元素的数量

Posted 2023-02-16

技术标签:

【中文标题】如何计算 NumPy bool 数组中真实元素的数量【英文标题】：How to count the number of true elements in a NumPy bool array 【发布时间】：2012-01-11 23:24:05 【问题描述】：

我有一个布尔类型的 NumPy 数组“boolarr”。我想计算值为True 的元素的数量。是否有专门用于此任务的 NumPy 或 Python 例程？或者，我是否需要遍历脚本中的元素？

【问题讨论】：

对于熊猫：***.com/questions/26053849/… 【参考方案1】：

您有多种选择。以下是两个选项。

boolarr.sum()
numpy.count_nonzero(boolarr)

这是一个例子：

>>> import numpy as np
>>> boolarr = np.array([[0, 0, 1], [1, 0, 1], [1, 0, 1]], dtype=np.bool)
>>> boolarr
array([[False, False,  True],
       [ True, False,  True],
       [ True, False,  True]], dtype=bool)

>>> boolarr.sum()
5

当然，这是bool 特定的答案。更一般地，您可以使用numpy.count_nonzero。

>>> np.count_nonzero(boolarr)
5

【讨论】：

谢谢，大卫。它们看起来很整洁。关于 sum(..) 的方法，在 python 中 True 是否总是等于 1（或至少在 numpy 中）？如果不能保证，我会预先添加一个检查，'if True==1:'。关于count_nonzero(..)，很遗憾，我1.5.1版本的numpy模块中似乎没有实现，但我以后可能有机会使用它。 @norio 关于bool：布尔值在算术运算中被视为 1 和 0。请参阅 Python 标准库文档中的“Boolean Values”。请注意，NumPy 的 bool 和 Python 的 bool 不一样，但它们是兼容的（更多信息请参阅 here）。 @norio 关于numpy.count_nonzero 不在 NumPy v1.5.1 中：你是对的。根据这个release announcement，它是在NumPy v1.6.0中添加的。 FWIW, numpy.count_nonzero 至少在我的 Python 解释器中快了一千倍。 python -m timeit -s "import numpy as np; bools = np.random.uniform(size=1000) >= 0.5" "np.count_nonzero(bools)" 与 python -m timeit -s "import numpy as np; bools = np.random.uniform(size=1000) >= 0.5" "sum(bools)" @chbrown 你是对的。但是您应该与np.sum(bools) 进行比较！但是，np.count_nonzero(bools) 仍然快 12 倍左右。【参考方案2】：

b[b].size

b 是有问题的布尔 ndarray。它为True 过滤b，然后计算过滤后数组的长度。

这可能不如前面提到的np.count_nonzero() 高效，但如果您忘记了其他语法，它会很有用。此外，这种更短的语法可以节省程序员的时间。

演示：

In [1]: a = np.array([0,1,3])

In [2]: a
Out[2]: array([0, 1, 3])

In [3]: a[a>=1].size
Out[3]: 2

In [5]: b=a>=1

In [6]: b
Out[6]: array([False,  True,  True])

In [7]: b[b].size
Out[7]: 2

【讨论】：

【参考方案3】：

boolarr.sum(axis=1 or axis=0)

axis = 1 将输出一行中的真数，axis = 0 将计算列中的真数所以

boolarr[[true,true,true],[false,false,true]]
print(boolarr.sum(axis=1))

将是 (3,1)

【讨论】：

【参考方案4】：

这个问题为我解决了一个非常相似的问题，我想我应该分享一下：

在原始 python 中，您可以使用 sum() 计算 list 中的 True 值：

>>> sum([True,True,True,False,False])
3

但这行不通：

>>> sum([[False, False, True], [True, False, True]])
TypeError...

【讨论】：

您应该首先“展平”数组数组。不幸的是，没有内置方法，请参阅***.com/questions/2158395/… 感谢纪尧姆！也适用于 Pandas 数据框。【参考方案5】：

在比较两个 numpy 数组和计算匹配数（例如机器学习中的正确类别预测）方面，我发现以下二维示例很有用：

import numpy as np
result = np.random.randint(3,size=(5,2)) # 5x2 random integer array
target = np.random.randint(3,size=(5,2)) # 5x2 random integer array

res = np.equal(result,target)
print result
print target
print np.sum(res[:,0])
print np.sum(res[:,1])

可以扩展到D维度。

结果是：

预测：