資料結構
網路
關係資料庫管理系統 (RDBMS)
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
服裝學
法學在NumPy中計算一維陣列和零維陣列的按元素位與運算
要計算一維陣列和零維陣列的按元素位與運算，請在Python NumPy中使用**numpy.bitwise_and()**方法。計算輸入陣列中整數的底層二進位制表示的位與運算。此ufunc實現C/Python運算子 &。
第一個和第二個引數是陣列，只處理整數和布林型別。如果x1.shape != x2.shape，則它們必須能夠廣播到公共形狀。where引數是在輸入上廣播的條件。在條件為True的位置，out陣列將設定為ufunc結果。在其他地方，out陣列將保留其原始值。請注意，如果透過預設的out=None建立未初始化的out陣列，則其中條件為False的位置將保持未初始化狀態。
步驟
首先，匯入所需的庫：
import numpy as np
使用array()方法建立兩個NumPy陣列。我們插入了int型別的元素：
arr1 = np.array([32, 95, 82, 69, 38, 49]) arr2 = np.array(99)
顯示陣列：
print("Array 1...
", arr1)
print("
Array 2...
", arr2)獲取陣列的型別：
print("
Our Array 1 type...
", arr1.dtype)
print("
Our Array 2 type...
", arr2.dtype)獲取陣列的維度：
print("
Our Array 1 Dimensions...
",arr1.ndim)
print("
Our Array 2 Dimensions...
",arr2.ndim)獲取陣列的形狀：
print("
Our Array 1 Shape...
",arr1.shape)
print("
Our Array 2 Shape...
",arr2.shape)要計算一維陣列和零維陣列的按元素位與運算，請使用numpy.bitwise_and()方法：
print("
Result...
",np.bitwise_and(arr1, arr2))
示例
import numpy as np
# Creating two numpy arrays using the array() method
# We have inserted elements of int type
arr1 = np.array([32, 95, 82, 69, 38, 49])
arr2 = np.array(99)
# Display the arrays
print("Array 1...
", arr1)
print("
Array 2...
", arr2)
# Get the type of the arrays
print("
Our Array 1 type...
", arr1.dtype)
print("
Our Array 2 type...
", arr2.dtype)
# Get the dimensions of the Arrays
print("
Our Array 1 Dimensions...
",arr1.ndim)
print("
Our Array 2 Dimensions...
",arr2.ndim)
# Get the shape of the Arrays
print("
Our Array 1 Shape...
",arr1.shape)
print("
Our Array 2 Shape...
",arr2.shape)
# To compute the bit-wise AND of two arrays element-wise, use the numpy.bitwise_and() method in Python Numpy
print("
Result...
",np.bitwise_and(arr1, arr2))輸出
Array 1... [32 95 82 69 38 49] Array 2... 99 Our Array 1 type... int64 Our Array 2 type... int64 Our Array 1 Dimensions... 1 Our Array 2 Dimensions... 0 Our Array 1 Shape... (6,) Our Array 2 Shape... () Result... [32 67 66 65 34 33]
更新於：2022年2月18日
75 次瀏覽
廣告