小引成人色站

ndarray的向量化的特点，对逻辑运算亦然适用的。然而，对于多维数组的逻辑运算不至于得到一个布尔数组的成果，还不错基于布尔索引与逻辑运算相聚会，终了愈加活泼的数据筛选。

本文的主要推行有：

1、ndarray的相比运算

2、逻辑运算符的使用

3、三元运算函数where

4、通用判断函数any和all

ndarray的相比运算

其实对于多维数组ndarray的相比运算，在前边的推行中，照旧有所触及。其实，更常用的相比运算，是将数组与某个标量进行相比，诳骗向量化的特点，将相比运算应用到数组中的每一个元素，从而不错得到一个布尔数组。更进一步，ndarray守旧使用布尔数组进行索引，是以，不错终了对数组进行骄慢特定的条款的元素的筛选需求。

平直看对应的代码：

逻辑运算符的使用

除了单个条款进行数组元素的筛选除外成人色站，NumPy还提供了逻辑运算符，从而终了条款的组合，终了愈加复杂的数据筛选需求。

整个有如下逻辑运算符：

1、np.logical_and()

用于两个条款况兼的联系，数组元素筛选语境中，默示求两个集结错乱的操作。也即是得到同期骄慢两个条款的数据。

不错使用运算符 & 进行简化，两者是等价的。

2、np.logical_or()

用于两个条款或的联系，数组元素筛选语境中，默示求两个集结并集的操作。也即是得到骄慢至少大肆一个条款的数据。

不错使用运算符 | 进行简化，两者是等价的。

3、np.logical_not()

用于取反的逻辑运算，默示得到不骄慢该条款的数据元素。然而，时时来说，咱们会自行进行条款的取反操作，而不是通过np.logical_not()来进行取反。

不错使用运算符 ~ 进行简化，两者是等价的。

4、np.logical_xor()

勾引指南

逻辑异或的见解，也即是得到两个条款不同期为真、也不同期为假的数据。

不错简化为操作符 ^，两者是等价的。

底下通过代码进行例如施展：

三元运算函数where

由于逻辑运算复返的成果是布尔数组，无意不是太浮浅。是以，NumPy还提供了np.where()函数，不错凭证条款复返元素的索引或凭证条款生成新的数组。

通过代码演示下np.where()函数的使用：

通用判断函数any和all

NumPy中提供的逻辑运算，除了上头的推行外，还灵验于终了整个元素都为真，或者至少有一个元素为真，这两种场景的数据筛选需求。

相比概况，平直通过代码进行例如施展：

回顾

本文概况先容了NumPy守旧的相比常用的逻辑运算，包括相比运算、逻辑运算符、三元运算，以及any和all的语义。基于这些操作的组合，就不错终了相比活泼的数组元素的筛选了。固然，NumPy中还提供了更多的、更复杂的逻辑运算操作。然而，更复杂的推行，其实，咱们不错借助Pandas愈加精真金不怕火的终了。是以，这里就不再张开了。

以上成人色站，即是本文的一皆推行，感谢您的拨冗阅读！