Numpy判断数组是否全0的三种方法

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“!”(“!=”是比较运算符--comparison operator, 只能用于比如说"b!=c"这样)。另外，"~"和"not"也是有区别的，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。

到此这篇关于Numpy判断数组是否全0的三种方法的文章就介绍到这了,更多相关Numpy判断数组是否全0内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！