17_NumPy数组ndarray中计算满足条件的元素的个数17_NumPy数组ndarray中计算满足条件的元素的个数全体ndarray中满足条件的元素数的计算计算ndarray的每一行和每一列满足条件的元素数使用numpy.any（）（全体，行/列）检查是否有满足条件的元素使用numpy.all（）检查所有元素是否都满足条件（全体，行/列）多种条件

93 阅读 0 评论 62 点赞

我是靠谱客的博主爱听歌毛豆，这篇文章主要介绍17_NumPy数组ndarray中计算满足条件的元素的个数17_NumPy数组ndarray中计算满足条件的元素的个数全体ndarray中满足条件的元素数的计算计算ndarray的每一行和每一列满足条件的元素数使用numpy.any（）（全体，行/列）检查是否有满足条件的元素使用numpy.all（）检查所有元素是否都满足条件（全体，行/列）多种条件，现在分享给大家，希望可以做个参考。

17_NumPy数组ndarray中计算满足条件的元素的个数

连同示例代码一起说明了一种计算满足NumPy数组ndarray条件的元素数量的方法。

将描述以下内容。

全体ndarray中满足条件的元素数的计算
计算ndarray的每一行和每一列满足条件的元素数
使用numpy.any（）（全体，行/列）检查是否有满足条件的元素
使用numpy.all（）检查所有元素是否都满足条件（全体，行/列）
多种条件

要替换满足条件的元素，请参考以下文章。

04_Numpy的函数np.where（）—满足条件的处理

全体ndarray中满足条件的元素数的计算

将ndarray与标量值进行比较将返回以布尔值（True，False）作为元素的ndarray。您可以将<，==，！=等进行比较。

复制代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
import numpy as np
a = np.arange(12).reshape((3, 4))
print(a)
# [[ 0
1
2
3]
#
[ 4
5
6
7]
#
[ 8
9 10 11]]
print(a < 4)
# [[ True
True
True
True]
#
[False False False False]
#
[False False False False]]
print(a % 2 == 1)
# [[False
True False
True]
#
[False
True False
True]
#
[False
True False
True]]

使用np.count_nonzero（）获得True的数量，即满足条件的元素的数量

复制代码

1
2
3
4
5
print(np.count_nonzero(a < 4))
# 4
print(np.count_nonzero(a % 2 == 1))
# 6

Trueは1, Falseは0として扱われるのでnp.sum()を使うことも可能。ただし、np.count_nonzero()のほうが高速。

复制代码

1
2
3
4
5
print(np.sum(a < 4))
# 4
print(np.sum(a % 2 == 1))
# 6

计算ndarray的每一行和每一列满足条件的元素数

通过指定参数轴，为每个轴（每个维度）处理多维数组的Np.count_nonzero（）。

在二维数组的情况下，将在参数axis= 0的列中进行处理，在axis= 1的行中进行处理。通过使用它，可以计算满足每一行和每一列条件的元素的数量。

复制代码

1
2
3
4
5
6
7
8
9
print(np.count_nonzero(a < 4, axis=0))
# [1 1 1 1]
print(np.count_nonzero(a < 4, axis=1))
# [4 0 0]
print(np.count_nonzero(a % 2 == 1, axis=0))
# [0 3 0 3]
print(np.count_nonzero(a % 2 == 1, axis=1))
# [2 2 2]

自版本1.12.0起，可以使用np.count_nonzero（）指定参数轴。由于np.sum（）自1.7.0版以来已实现参数轴，因此可以将np.sum（）用于较早的版本。

使用numpy.any（）（全体，行/列）检查是否有满足条件的元素

np.any（）是一个函数，如果在作为第一个参数传递的ndarray中至少有一个True元素，则返回True，否则返回False。

复制代码

1
2
3
4
5
print(np.any(a < 4))
# True
print(np.any(a > 100))
# False

与np.count_nonzero（）类似，如果指定了参数轴，则np.any（）将处理每一行和每一列。

复制代码

1
2
3
4
5
6
7
8
print(np.any(a < 4, axis=0))
# [ True
True
True
True]
print(np.any(a < 4, axis=1))
# [ True False False]

使用numpy.all（）检查所有元素是否都满足条件（全体，行/列）

np.all（）是一个函数，如果在第一个参数中传递的ndarray的所有元素均为True，则返回True，否则返回False。

复制代码

1
2
3
4
5
print(np.all(a < 4))
# False
print(np.all(a < 100))
# True

与np.count_nonzero（）相似，当指定参数轴时，将对每一行和每一列处理np.all（）。

复制代码

1
2
3
4
5
print(np.all(a < 4, axis=0))
# [False False False False]
print(np.all(a < 4, axis=1))
# [ True False False]

多种条件

如果要组合多个条件，请将每个条件表达式括在（）中，并将其与＆或|连接。

复制代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
print((a < 4) | (a % 2 == 1))
# [[ True
True
True
True]
#
[False
True False
True]
#
[False
True False
True]]
print(np.count_nonzero((a < 4) | (a % 2 == 1)))
# 8
print(np.count_nonzero((a < 4) | (a % 2 == 1), axis=0))
# [1 3 1 3]
print(np.count_nonzero((a < 4) | (a % 2 == 1), axis=1))
# [4 2 2]