Как выполнять элементные логические операции над массивами numpy

например, я хотел бы создать маску, которая маскирует элементы со значением между 40 и 60: 

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

который просто выглядит некрасиво, я не могу написать: 

(foo < 40) or (foo > 60)

потому что я в конечном итоге с: 

  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()

есть ли канонический способ выполнения логических операций с элементами на массивах numpy с хорошим кодом?

39
boolean-operations numpy python

4 ответов

вы пробовали это?

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

Примечание:__or__ метод в объекте перегружает побитовый оператор or (|), а не логическое or оператора.

59

если у вас есть сравнения только внутри логических значений, как в вашем примере, вы можете использовать побитовый оператор OR | как предложено Jcollado. Но будьте осторожны, это может дать вам странные результаты если вы когда-либо использовать логические значения, такие как mask = (foo < 40) | override. Только пока override гарантированно будет либо False, True, 1 или 0, вы в порядке.

более общим является использование операторов набора сравнения numpy,np.any и np.all. Этот фрагмент возвращает все значения от 35 до 45, которые меньше 40 или не кратно 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])

Не так хорошо, как с |, но лучше, чем код в ваш вопрос.

14

можно использовать numpy логические операции. В вашем примере:

np.logical_or(foo < 40, foo > 60)
7

обратите внимание, что вы можете использовать ~ для элементарного отрицания. 

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

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

и & не поэлементно и

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)

они также работают с панды серия

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
3