您好,登录后才能下订单哦!
Numpy怎么检查数组全为零的几种方法,很多新手对此不是很清楚,为了帮助大家解决这个难题,下面小编将为大家详细讲解,有这方面需求的人可以来学习下,希望你能有所收获。
简单介绍几种用于判断numpy数组是否全零的测试方法。
numpy.any()函数用于检查一个numpy数字是否存在任何一个非0元素,因此将numpy.any()的结果取反即得“numpy数组是否全0”的结果。例如:
import numpy as np print('Using numpy.any()...') a_1D = np.zeros(5) print('Is a_1D all zeros?: ', not(np.any(a_1D))) print('Is a_1D all zeros?: ', ~(np.any(a_1D))) a_1D[2] = -1 print('Is a_1D all zeros?: ', not(np.any(a_1D))) a_2D = np.zeros((2,3)) print(a_2D) print('Is a_2D all zeros?: ', not(np.any(a_2D))) a_2D[1,2] = 0.1 print('Is a_2D all zeros?: ', not(np.any(a_2D)))
输出结果:
Using numpy.any()...
Is a_1D all zeros?: True
Is a_1D all zeros?: True
Is a_1D all zeros?: False
[[0. 0. 0.]
[0. 0. 0.]]
Is a_2D all zeros?: True
Is a_2D all zeros?: False
注意,python中逻辑取反可以用"~"也可以用"not",但是不能用“!”(“!=”是比较运算符--comparison operator, 只能用于比如说"b!=c"这样)。另外,"~"和"not"也是有区别的,参见以下第4节。
numpy.count_nonzero()用于对数组的0元素个数进行计数,因此也可以用来执行是否全0的判断。用法如下:
print('Using numpy.nonzero()...') a = np.array([1,2,3,0,0,1]) print('Number of zeros in a = ',np.count_nonzero(a)) print('Is a all zeros?: ', np.count_nonzero(a)==0) a[:] = 0 # Force a to all-zeros array print('Is a all zeros?: ', np.count_nonzero(a)==0) print('Is a all zeros?: ', not np.count_nonzero(a))
Using numpy.nonzero()...
Number of zeros in a = 4
Is a all zeros?: False
Is a all zeros?: True
Is a all zeros?: True
用numpy.all()也可以实现这一功能。以下例子利用了python内部会自动进行0--False, 1--True的转换。
print('') print('Using numpy.all()...') a = np.zeros(10) print('Is a all zeros?: ', np.all(a==0))
Using numpy.all()...
Is a all zeros?: True
对于多维数组(这正是numpy正真发挥强悍实力的地方)以上函数在缺省情况下是对整个数组进行统一判断,但是也可以通过axis参数指定沿指定轴分别处理。如下例所示:
print('') print('Judge according to the specified axis') a_2D = np.zeros((2,3)) a_2D[1,2] = 0.1 print(a_2D) print('Is each col of a_2D all zeros?: ', ~(np.any(a_2D, axis=0))) print('Is each row of a_2D all zeros?: ', ~(np.any(a_2D, axis=1)))
Judge according to the specified axis
[[0. 0. 0. ]
[0. 0. 0.1]]
Is each col of a_2D all zeros?: [ True True False]
Is each row of a_2D all zeros?: [ True False]
当指定axis=0时相当于对2维数组按列判断是否全0,指定axis=1时相当于对2维数组按行判断是否全0。当然,这里所说的行和列的概念是从传统的2维数组或者矩阵里继承而来的概念,当考虑更高维数组的时候,行和列这个概念就不再适用了。关于高维数组(也称:Tensor,张量)的axis将另文介绍。
另外,前面提到表示逻辑取反的“~”和“not”是有所不同的。具体来说就是,not只接受一个操作数,因此以上这个例子如果将"~"改为not的话会报错,如下所示:
print('Is each col of a_2D all zeros?: ', not(np.any(a_2D, axis=0))) print('Is each row of a_2D all zeros?: ', not(np.any(a_2D, axis=1)))
报错如下:
而“~”是所谓的Bitwise NOT operator.
如果"~"的输入是一个整数的的话,它会将输入数的所有比特都取反。如果是一个numpy 数组的话,则会对其中每一个数执行按位逻辑取反操作。如果是一个numpy布尔类型(True, False)数组的话,则会对其中每一个布尔数执行逻辑取反操作。
看完上述内容是否对您有帮助呢?如果还想对相关知识有进一步的了解或阅读更多相关文章,请关注亿速云行业资讯频道,感谢您对亿速云的支持。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。