python中用于2D数组的元素级AND或or操作

python中是否有任何方法可以跨行或跨列计算二维数组的elementwise OR运算

例如，对于以下数组，跨行的elementwise或操作将导致向量

[1,0,0,0,0,0,0]

array([[1, 0, 0, 0, 0, 0, 0, 0],
       [1, 0, 0, 0, 0, 0, 0, 0],
       [1, 0, 0, 0, 0, 0, 0, 0],
       [1, 0, 0, 0, 0, 0, 0, 0]], dtype=uint8)

---

numpy有

logical\u或

，

logical\u异或

和

logical\u和

，它们有一个

减少

方法

>> np.logical_or.reduce(a, axis=0)
array([ True, False, False, False, False, False, False, False], dtype=bool)

正如您在示例中看到的，它们强制执行

bool

dtype，因此如果您需要

uint8

，那么最后必须回退

因为bool存储为字节，所以可以使用廉价的viewcasting

使用

轴

关键字，您可以选择沿哪个轴减小。可以选择多个轴

>> np.logical_or.reduce(a, axis=1)
array([ True,  True,  True,  True], dtype=bool)
>>> np.logical_or.reduce(a, axis=(0, 1))
True

keepdims

关键字对于广播非常有用，例如在数组

b

>>> b = np.random.randint(0,10, (4, 4))
>>> b
array([[0, 5, 3, 4],
       [4, 1, 5, 4],
       [4, 5, 5, 5],
       [2, 4, 6, 1]])
>>> rows = np.logical_and.reduce(b >= 2, axis=1, keepdims=True)
# keepdims=False (default) -> rows.shape==(4,)  keepdims=True -> rows.shape==(4, 1)
>>> cols = np.logical_and.reduce(b >= 2, axis=0, keepdims=True)
# keepdims=False (default) -> cols.shape==(4,)  keepdims=True -> cols.shape==(1, 4)
>>> rows & cols # shapes (4, 1) and (1, 4) are broadcast to (4, 4)
array([[False, False, False, False],
       [False, False, False, False],
       [False, False,  True, False],
       [False, False, False, False]], dtype=bool)

请注意，

和

运算符有轻微的滥用，它表示

按位_和

。由于bools的效果是相同的（事实上，在这里尝试使用

和
会引发异常），这是常见的做法

正如@ajcr指出的，流行的
np.any
和
np.all
都是
np.logical\u或.reduce
和
np.logical\u和.reduce的缩写。
然而，请注意，两者之间存在细微的差异

>>> np.logical_or.reduce(a)
array([ True, False, False, False, False, False, False, False], dtype=bool)
>>> np.any(a)
True

或：

如果您想坚持使用
uint8
并确定所有条目都是0和1，您可以使用
bitwise\u和
、
bitwise\u或
和
bitwise\u异或

>>> np.bitwise_or.reduce(a, axis=0)
array([1, 0, 0, 0, 0, 0, 0, 0], dtype=uint8)

是：请特别参阅ufuncs的
.reduce
方法的详细信息。您可以使用
numpy.apply_沿_轴（）
对于OP的特定
和
/
或
情况，可能还值得注意的是
logical_或.reduce
仅等同于
np.any
或
ndarray.any
，并且
logical_和.reduce
与
np.all
或
ndarray.all
完全相同（这是在中定义它们的方式）。