Question

例如，我想创建一个掩盖值为40到60之间的元素的掩码：

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

哪个看起来很难看，我写不出来：

(foo < 40) or (foo > 60)

因为我最终得到了：

  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()

是否有规范的方法在numpy数组上进行元素明智的布尔运算，具有良好的代码？

Answer 1

你试过这个吗？

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

注意：对象中的__or__方法会重载按位或运算符（|），而不会重载布尔or运算符。

Answer 2

如果您只在布尔值内进行比较，如您的示例所示，您可以使用Jcollado建议的按位OR运算符|。但要注意，如果您使用非布尔值，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，你就没事了。

更一般的是使用numpy的比较集运算符np.any和np.all。此代码段返回35到45之间的所有值，小于40或不是3的倍数：

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])

不如|那么好，但比你问题中的代码更好。

Answer 3

您可以使用numpy logical operations。在您的示例中：

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

Answer 4

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)

此外&还有元素和

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

如何在numpy数组上执行元素明智的布尔运算

4 个答案: