Как выполнять элементарные 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)

Что выглядит просто уродливо, я не могу написать:

(foo < 40) or (foo > 60)

потому что я получаю:

  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 элемента мудрый булевых операций на массивах numpy, что с хорошим кодом?

Ответ 1

Вы пробовали это?

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

Примечание: метод __or__ в объекте перегружает поразрядный или оператор (|), а не логический оператор or.

Ответ 2

Если вы сравниваете только логические значения, как в вашем примере, вы можете использовать побитовый оператор OR |, как это было предложено Jcollado. Но будьте осторожны, это может дать вам странные результаты, если вы когда-либо используете не-булевы, например mask = (foo < 40) | override. До тех пор, пока override гарантированно будет либо False, True, 1, либо 0, вы в порядке.

Более общим является использование операторов набора сравнения numpy, np.any и np.all. Этот фрагмент возвращает все значения между 35 и 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 вашем вопросе.

Ответ 3

Вы можете использовать numpy логические операции. В вашем примере:

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

Ответ 4

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

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

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

Также & делает элемент 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 Pandas Series

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