Numpy怎么檢查數組全為零的幾種方法

Numpy怎么檢查數組全為零的幾種方法，很多新手對此不是很清楚，為了幫助大家解決這個難題，下面小編將為大家詳細講解，有這方面需求的人可以來學習下，希望你能有所收獲。

概要

        簡單介紹幾種用于判斷numpy數組是否全零的測試方法。

1 numpy.any()

        numpy.any()函數用于檢查一個numpy數字是否存在任何一個非0元素，因此將numpy.any()的結果取反即得“numpy數組是否全0”的結果。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)))

輸出結果：

        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中邏輯取反可以用"~"也可以用"not"，但是不能用“!”(“!=”是比較運算符--comparison operator, 只能用于比如說"b!=c"這樣)。另外，"~"和"not"也是有區別的，參見以下第4節。

2 numpy.count_nonzero()

      numpy.count_nonzero()用于對數組的0元素個數進行計數，因此也可以用來執行是否全0的判斷。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()也可以實現這一功能。以下例子利用了python內部會自動進行0--False, 1--True的轉換。

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. 多維數組可以分axis進行判斷

        對于多維數組（這正是numpy正真發揮強悍實力的地方）以上函數在缺省情況下是對整個數組進行統一判斷，但是也可以通過axis參數指定沿指定軸分別處理。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]

        當指定axis=0時相當于對2維數組按列判斷是否全0，指定axis=1時相當于對2維數組按行判斷是否全0。當然，這里所說的行和列的概念是從傳統的2維數組或者矩陣里繼承而來的概念，當考慮更高維數組的時候，行和列這個概念就不再適用了。關于高維數組（也稱：Tensor，張量）的axis將另文介紹。

        另外，前面提到表示邏輯取反的“~”和“not”是有所不同的。具體來說就是，not只接受一個操作數，因此以上這個例子如果將"~"改為not的話會報錯，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)))

        報錯如下： 

        而“~”是所謂的Bitwise NOT operator.

        如果"~"的輸入是一個整數的的話，它會將輸入數的所有比特都取反。如果是一個numpy 數組的話，則會對其中每一個數執行按位邏輯取反操作。如果是一個numpy布爾類型（True, False）數組的話，則會對其中每一個布爾數執行邏輯取反操作。

看完上述內容是否對您有幫助呢？如果還想對相關知識有進一步的了解或閱讀更多相關文章，請關注億速云行業資訊頻道，感謝您對億速云的支持。