Làm thế nào để thực hiện yếu tố khôn ngoan hoạt động boolean trên mảng NumPy

Question

Ví dụ tôi muốn tạo ra một mặt nạ mà mặt nạ các yếu tố có giá trị từ 40 đến 60:

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

nào chỉ trông xấu xí, tôi không thể viết:

(foo < 40) or (foo > 60) 

vì tôi kết thúc với:

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() 

có cách nào kinh điển làm yếu tố khôn ngoan boolean ope khẩu phần trên mảng numpy với mã tìm kiếm tốt?

Answer 1

Bạn đã thử điều này chưa?

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

Lưu ý: __or__ phương pháp trong một đối tượng quá tải Bitwise hoặc điều hành (|), không phải là or điều hành boolean.

Answer 2

Nếu bạn có so sánh chỉ trong các phép toán, như trong ví dụ của bạn, bạn có thể sử dụng toán tử OR theo bitwise | theo đề xuất của Jcollado. Nhưng hãy cẩn thận, điều này có thể cung cấp cho bạn kết quả lạ nếu bạn đã từng sử dụng các boolean không, chẳng hạn như mask = (foo < 40) | override. Chỉ miễn là override được đảm bảo là False, True, 1 hoặc 0, bạn có ổn không.

Thông tin chung hơn là việc sử dụng toán tử nhóm so sánh của nhóm, np.any và np.all. Đoạn này trả về tất cả các giá trị từ 35 đến 45 là ít hơn 40 hoặc không phải là một bội số của 3:

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]) 

Không đẹp như với |, nhưng đẹp hơn so với mã trong câu hỏi của bạn.

Answer 3

Lưu ý rằng bạn có thể sử dụng ~ để phủ định theo nguyên tắc.

arr = np.array([False, True]) 
~arr 

OUTPUT: array([ True, False], dtype=bool) 

Cũng & không elementwise và

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) 

Đây cũng làm việc với Pandas Dòng

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 

Answer 4

Bạn có thể sử dụng numpy logical operations. Trong ví dụ của bạn:

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