Автор оригинала: Team Python Pool.

Numpy any | Всесторонняя витрина булевого анализатора

Python имеет мощный модуль Numpy. В то же время его специализация-наука о данных, используемая во многих отношениях. Встроенные функции универсальны. Поэтому мы предоставляем вам учебные пособия по его различным функциям для практики. В этом случае мы увидим о numpy любую булеву функцию. Его работа основана на условиях, поэтому условное программирование становится легким.

Что такое numpy any?

Согласно href=”https://numpy.org/doc/stable/reference/generated/numpy.any.html”>NumPy v1.19 Manual, numpy any проверяет, является ли какой-либо элемент массива вдоль заданной/упомянутой оси истинным. Другими словами, это булева функция. Эта функция возвращает True, когда ndarray, переданный первому параметру, содержит хотя бы один элемент True, и возвращает False в противном случае. href=”https://numpy.org/doc/stable/reference/generated/numpy.any.html”>NumPy v1.19 Manual, numpy any проверяет, является ли какой-либо элемент массива вдоль заданной/упомянутой оси истинным. Другими словами, это булева функция. Эта функция возвращает True, когда ndarray, переданный первому параметру, содержит хотя бы один элемент True, и возвращает False в противном случае.

Эта функция работает по логике OR. Чтобы сказать это, эта функция добавляет все ложные значения как 0, а другие-как 1. Затем он добавляет все, если сумма равна 0, а затем возвращает False в противном случае, это Правда

Синтаксис numpy any

Правильный синтаксис функции таков:

numpy.any(a,,, keepdims=)

Но наиболее часто используемый способ:

numpy.any(a)

Используемые параметры

a: array_like

“а” – это основной параметр. Этого вклада достаточно для оценки. Входной массив или объект( может быть преобразован в массив). Массив, элементы которого тестируются. Функция test в элементах этого массива. Если входные данные содержат хотя бы одно Истинное значение, то результат становится истинным.

Ось

Используемый тип данных-int или кортеж ints. Функция выполняет тесты вдоль предусмотренной оси. Другими словами, ось или оси, вдоль которых достигается логическое ИЛИ редукционное. По умолчанию) выполняется логическое ИЛИ по всем измерениям входного массива. Осьможет быть отрицательной, и в этом случае она отсчитывается от последней до первой оси.

В то время как оценка происходит для одной оси или всех осей, если есть кортеж ints, то оценка происходит на нескольких осях.

из

Тип данных array_like и необязателен для использования. Этот параметр делает выходной массив с теми же размерами, что и входной массив, помещенный вместе с результатом. Она должна иметь ту же форму, что и планируемое выступление, и сохранять свою форму.

keepdims

Если это значение равно True, то уменьшенные оси остаются в результате как размеры с размером один. С помощью этой опции результат будет правильно транслироваться по входному массиву.

Если передается значение по умолчанию, то keepdims не будет передаваться всем методам подклассов ndarray. Однако любое значение, не являющееся значением по умолчанию, будет таким. Если метод sum подклассов не реализует keepdims, то будут вызваны любые исключения.

Возвращаемое значение numpy any

Вывод является логическим, либо True, либо False. Но когда он используется, то выводится ndarray с несколькими логическими значениями.

Помните, что только 0 и False одинаковы. Не число (NaN), положительная бесконечность и отрицательная бесконечность оцениваются как True, потому что они не равны нулю.

Примеры для практики

Сначала мы импортируем модуль Numpy

import numpy as np

Теперь мы видим несколько примеров:

np.any([[True, False], [True, False]])
True
np.any([ -1, 0, 2, 0])
True
np.any(np.nan)
True

В приведенных выше строках мы видим результат True только как 0, а False рассматривается как False в качестве вывода

np.any([[True, False], [False, Fasle]],)
array([ True, False])
np.any([[True, False], [False, True]],)
array([ True, False])
np.any([[True, False], [False, False]],)
array([ True, False])

Теперь у нас есть несколько выходов . Логическое значение сравнивается в соответствии с осью. 0 для тестов по строкам и 1 для тестов по столбцам

np.any([[1, 0],[0, 4]],)
array([[ True]])
np.any([[1, 0],[0, 4]],)
True
np.any([[0, 0],[0, 0]],)
array([[False]])
np.any([[0, 0],[0, 0]],)
False

Это использование keepdims, которое приносит вывод с измерениями.

это использование параметра out, где массив o используется по ссылке

Numpy все

Это также булева функция в модуле numpy, как и numpy any. Это возвращает True только в том случае, если все значения равны 1 или True, ненулевым или NaN. Это как раз противоположность numpy any.

Питон любой

numpy any основан на любой функции, используемой в базовом Python. Синтаксис:

any(iterable)

Он возвращает False, если все элементы ложны или если итерабель пуста, в противном случае True. То же самое, что и numpy any, за исключением того, что он предназначен только для одного измерения.

Что Дальше?

NumPy очень мощен и невероятно важен для информатики в Python. Это правда, если вы интересуетесь наукой о данных в Python, вам действительно следует узнать больше о Python.

Возможно, вам понравятся наши следующие учебники по numpy.

• Среднее значение: Реализация и важность
• Использование случайной функции для создания случайных данных
• Reshape: Изменение Формы Массивов С Легкостью
• Углубленное объяснение np.power() С Примерами
• Функция Зажима

Вывод

В заключение мы видим, что numpy any используется несколькими способами и является более широким аспектом any в Python для улучшения вычислений и вычислений. Мы можем использовать numpy инклюзивным образом с различными функциями, подобными этой.

Все еще есть какие-либо сомнения или вопросы, дайте мне знать в разделе комментариев ниже. Я постараюсь помочь вам как можно скорее.

Счастливого Пифонирования!