如何操作2D numpy数组的所有列的逻辑运算

Question

假设我有以下2D NumPy数组，包括四行和三列：

>>> 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一1D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 。

我想知道逻辑运算是否有类似的方法？

Answer 1

就在这里。 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)

请注意将参数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，如果省略axis关键字参数，则它适用于每个元素：

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

Answer 2

NumPy还有一个reduce函数，类似于Python的reduce 。 可以将它与NumPy的逻辑运算一起使用。 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（在我们的例子中是logical_or或logical_and ）应用于每一行或每列。