标签：numpy 2D np zeros print tips Numpy any
目录
0 概要
简单介绍几种用于判断numpy数组是否全零的测试方法。
1 numpy.any()
numpy.any()函数用于检查一个numpy数字是否存在任何一个非0元素，因此将numpy.any()的结果取反即得“numpy数组是否全0”的结果。例如：
import numpy as np
print('Using numpy.any()...')
a_1D = np.zeros(5)
print('Is a_1D all zeros?: ', not(np.any(a_1D)))
print('Is a_1D all zeros?: ', ~(np.any(a_1D)))
a_1D[2] = -1
print('Is a_1D all zeros?: ', not(np.any(a_1D)))
a_2D = np.zeros((2,3))
print(a_2D)
print('Is a_2D all zeros?: ', not(np.any(a_2D)))
a_2D[1,2] = 0.1
print('Is a_2D all zeros?: ', not(np.any(a_2D)))输出结果：
Using numpy.any()...
Is a_1D all zeros?: True
Is a_1D all zeros?: True
Is a_1D all zeros?: False
[[0. 0. 0.]
[0. 0. 0.]]
Is a_2D all zeros?: True
Is a_2D all zeros?: False
注意，python中逻辑取反可以用"~"也可以用"not"，但是不能用“!”("!"在C和verilog中也表示取反，但是在python中!另有功能)。但是"~"和"not"是有区别的，参见以下第4节。
2 numpy.count_nonzero()
numpy.count_nonzero()用于对数组的0元素个数进行计数，因此也可以用来执行是否全0的判断。用法如下：
print('Using numpy.nonzero()...')
a = np.array([1,2,3,0,0,1])
print('Number of zeros in a = ',np.count_nonzero(a))
print('Is a all zeros?: ', np.count_nonzero(a)==0)
a[:] = 0 # Force a to all-zeros array
print('Is a all zeros?: ', np.count_nonzero(a)==0)
print('Is a all zeros?: ', not np.count_nonzero(a)) Using numpy.nonzero()...
Number of zeros in a = 4
Is a all zeros?: False
Is a all zeros?: True
Is a all zeros?: True
3 numpy.all()
用numpy.all()也可以实现这一功能。以下例子利用了python内部会自动进行0--False, 1--True的转换。
print('')
print('Using numpy.all()...')
a = np.zeros(10)
print('Is a all zeros?: ', np.all(a==0)) Using numpy.all()...
Is a all zeros?: True
4. 多维数组可以分axis进行判断
对于多维数组（这正是numpy正真发挥强悍实力的地方）以上函数在缺省情况下是对整个数组进行统一判断，但是也可以通过axis参数指定沿指定轴分别处理。如下例所示：
print('')
print('Judge according to the specified axis')
a_2D = np.zeros((2,3))
a_2D[1,2] = 0.1
print(a_2D)
print('Is each col of a_2D all zeros?: ', ~(np.any(a_2D, axis=0)))
print('Is each row of a_2D all zeros?: ', ~(np.any(a_2D, axis=1)))Judge according to the specified axis
[[0. 0. 0. ]
[0. 0. 0.1]]
Is each col of a_2D all zeros?: [ True True False]
Is each row of a_2D all zeros?: [ True False]
当指定axis=0时相当于对2维数组按列判断是否全0，指定axis=1时相当于对2维数组按行判断是否全0。当然，这里所说的行和列的概念是从传统的2维数组或者矩阵里继承而来的概念，当考虑更高维数组的时候，行和列这个概念就不再适用了。关于高维数组（也称：Tensor，张量）的axis将另文介绍。
另外，前面提到表示逻辑取反的“~”和“not”是有所不同的。具体来说就是，not只接受一个操作数，因此以上这个例子如果将"~"改为not的话会报错，如下所示：
print('Is each col of a_2D all zeros?: ', not(np.any(a_2D, axis=0)))
print('Is each row of a_2D all zeros?: ', not(np.any(a_2D, axis=1)))报错如下：
而“~”是所谓的Bitwise NOT operator.
如果"~"的输入是一个整数的的话，它会将输入数的所有比特都取反。如果是一个numpy 数组的话，则会对其中每一个数执行按位逻辑取反操作。如果是一个numpy布尔类型（True, False）数组的话，则会对其中每一个布尔数执行逻辑取反操作--以上例子中正是这种用法。
标签：numpy,2D,np,zeros,print,tips,Numpy,any 来源： https://blog.csdn.net/chenxy_bwave/article/details/120798048
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。