Python?numpy邏輯運算方法舉例介紹
在 NumPy 中，邏輯運算方法用于對數(shù)組中的元素進行邏輯操作，通常用于布爾數(shù)組，也可用于數(shù)值數(shù)組，非零值視為 True，零值視為 False。常見的邏輯運算方法有：
1. numpy.logical_and
逐元素進行邏輯與運算（AND），只有當兩個數(shù)組對應位置的元素都為 True 時，結果為 True。
示例：
import numpy as np a = np.array([True, False, True, False]) b = np.array([True, True, False, False]) result = np.logical_and(a, b) print(result) # [ True False False False]
2. numpy.logical_or
逐元素進行邏輯或運算（OR），只要兩個數(shù)組中有一個對應位置的元素為 True，結果即為 True。
示例：
import numpy as np a = np.array([True, False, True, False]) b = np.array([True, True, False, False]) result = np.logical_or(a, b) print(result) # [ True True True False]
3. numpy.logical_xor
逐元素進行邏輯異或運算（XOR），當兩個數(shù)組中對應位置的元素不相同時，結果為 True。
示例：
import numpy as np a = np.array([True, False, True, False]) b = np.array([True, True, False, False]) result = np.logical_xor(a, b) print(result) # [False True True False]
4. numpy.logical_not
逐元素進行邏輯非運算（NOT），將 True 轉換為 False，將 False 轉換為 True。
示例：
import numpy as np a = np.array([True, False, True, False]) result = np.logical_not(a) print(result) # [False True False True]
5. numpy.equal
逐元素比較兩個數(shù)組是否相等。如果相等，返回 True；否則返回 False。
示例：
import numpy as np a = np.array([1, 2, 3]) b = np.array([1, 2, 4]) result = np.equal(a, b) print(result) # [ True True False]
6. numpy.not_equal
逐元素比較兩個數(shù)組是否不相等。如果不相等，返回 True；否則返回 False。
示例：
import numpy as np a = np.array([1, 2, 3]) b = np.array([1, 2, 4]) result = np.not_equal(a, b) print(result) # [False False True]
7. numpy.greater
逐元素比較兩個數(shù)組，如果第一個數(shù)組的元素大于第二個數(shù)組的元素，返回 True。
示例：
import numpy as np a = np.array([1, 2, 3]) b = np.array([1, 2, 2]) result = np.greater(a, b) print(result) # [False False True]
8. numpy.greater_equal
逐元素比較兩個數(shù)組，如果第一個數(shù)組的元素大于或等于第二個數(shù)組的元素，返回 True。
示例：
import numpy as np a = np.array([1, 2, 3]) b = np.array([1, 2, 2]) result = np.greater_equal(a, b) print(result) # [ True True True]
9. numpy.less
逐元素比較兩個數(shù)組，如果第一個數(shù)組的元素小于第二個數(shù)組的元素，返回 True。
示例：
import numpy as np a = np.array([1, 2, 3]) b = np.array([1, 2, 4]) result = np.less(a, b) print(result) # [False False True]
10. numpy.less_equal
逐元素比較兩個數(shù)組，如果第一個數(shù)組的元素小于或等于第二個數(shù)組的元素，返回 True。
示例：
import numpy as np a = np.array([1, 2, 3]) b = np.array([1, 2, 4]) result = np.less_equal(a, b) print(result) # [ True True True]
11. numpy.bitwise_and
按元素執(zhí)行位與運算（通常用于整數(shù)數(shù)組）。與 logical_and 類似，但 bitwise_and 處理整數(shù)的二進制表示。
示例：
import numpy as np a = np.array([1, 0, 1, 0], dtype=int) b = np.array([1, 1, 0, 0], dtype=int) result = np.bitwise_and(a, b) print(result)
12. numpy.bitwise_or
按元素執(zhí)行位或運算，用于整數(shù)的二進制表示。
示例：
import numpy as np a = np.array([1, 0, 1, 0], dtype=int) b = np.array([1, 1, 0, 0], dtype=int) result = np.bitwise_or(a, b) print(result)
13. numpy.bitwise_xor
按元素執(zhí)行位異或運算，用于整數(shù)的二進制表示。
示例：
import numpy as np a = np.array([1, 0, 1, 0], dtype=int) b = np.array([1, 1, 0, 0], dtype=int) result = np.bitwise_xor(a, b) print(result)
總結
這些邏輯運算方法可以方便地對數(shù)組中的元素進行逐元素的比較和邏輯操作。它們廣泛用于數(shù)組的過濾、選擇、條件判斷和掩碼操作。
到此這篇關于Python numpy邏輯運算方法的文章就介紹到這了,更多相關numpy 邏輯運算方法內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
這篇文章主要為大家詳細介紹了如何使用Python實現(xiàn)一個簡單的圖片查看器,并且可以實現(xiàn)圖片放大與縮小功能,感興趣的小伙伴可以了解下2025-02-02
使用pyecharts生成Echarts網(wǎng)頁的實例
今天小編就為大家分享一篇使用pyecharts生成Echarts網(wǎng)頁的實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-08-08
這篇文章主要介紹了使用python pyserial模塊串口通信方式,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2023-09-09
這篇文章主要介紹了Python多進程分塊讀取超大文件的方法,涉及Python多進程操作與文件分塊讀取的相關技巧,需要的朋友可以參考下2016-04-04
Python中線程threading.Thread的使用詳解
python的thread模塊是比較底層的模塊，python的threading模塊是對thread做了一些包裝的，可以更加方便的被使用。本文將為大家詳細介紹一下python中的線程threading.Thread()的使用，需要的可以參考一下2022-07-07
箭頭向量圖十分常見，比如天氣預報在顯示風場的時候，就會貼心地用箭頭指明風的方向，下面就跟隨小編一起學習一下如何利用Python繪制箭頭向量圖吧2023-08-08
在本篇文章里小編給大家分享了關于python導入坐標點的具體操作步驟和圖解，有需要的朋友們跟著學習下。2019-05-05
這篇文章主要介紹了Python實現(xiàn)進度條和時間預估的代碼，本文通過實例代碼給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值,需要的朋友可以參考下2020-06-06
解決python繪圖使用subplots出現(xiàn)標題重疊的問題
這篇文章主要介紹了python繪圖使用subplots出現(xiàn)標題重疊的問題及解決方法，本文通過實例圖文相結合給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值,需要的朋友可以參考下2021-04-04
這篇文章主要介紹了詳解python腳本自動生成需要文件實例代碼的相關資料,需要的朋友可以參考下2017-02-02