Comment créer un tableau numpy de tous les Vrai ou Faux?

En Python, comment puis-je créer un tableau numpy de forme arbitraire rempli avec tous les Vrai ou Faux?

InformationsquelleAutor Michael Currie | 2014-01-16
  1. 234

    numpy permet déjà à la création de tableaux de toutes celles ou tous les zéros très facilement:

    par exemple numpy.ones((2, 2)) ou numpy.zeros((2, 2))

    Depuis True et False sont représentés en Python comme 1 et 0, respectivement, nous n'avons qu'à spécifier ce tableau doit être de type boolean à l'aide de l'option dtype paramètre et nous avons fini.

    numpy.ones((2, 2), dtype=bool)

    retourne:

    array([[ True,  True],
       [ True,  True]], dtype=bool)

    Mise à JOUR: 30 octobre 2013

    Depuis numpy la version 1.8, nous pouvons utiliser full pour obtenir le même résultat avec une syntaxe qui montre plus clairement notre intention (comme fmonegaglia souligne):

    numpy.full((2, 2), True, dtype=bool)

    Mise à JOUR: 16 janvier 2017

    Depuis au moins numpy la version 1.12, full jette automatiquement les résultats de la dtype de la deuxième paramètre, nous pouvons donc écrire:

    numpy.full((2, 2), True)

    • Vous avez répondu à votre propre question dans la même minute que la question a été posté?
    • DONC, vous permet de poster une question et une réponse à la question simultanément.
    • dtype=int initialisé tableau ne peut pas être utilisé pour l'élément de tableau de sélection.
    • Les travaux de cette. Cependant, soyez prudent parce que @Jichao dit, a=np.ones((2,2)) suivie par a.dtype=bool ne fonctionne PAS.
    • Maintenant, un célèbre mème: devhumor.com/media/...
    • la réponse suppose que np.ou np.les zéros avec dtype bool d'avoir à jeter int tableau de booléen. Cette hypothèse est-elle vraie? Je pense qu'il crée booléen tableau et ne crée pas de tableau int en premier et ensuite exprimés. Bien vouloir corriger cette réponse si je suis en droit

    InformationsquelleAutor Michael Currie
  2. 81
    numpy.full((2,2), True, dtype=bool)
    • +1 je pense que cela devrait être la accepté de répondre. Il semble plus naturel de remplir un tableau avec des booléens, que de le remplir avec des chiffres de les jeter à booléens.
    • Le ones et zeros réponses ne pas construire un tableau d'entiers. Intégrer un tableau de booléens directement.
    • Est numpy.full((2,2), True) un équivalent?
    • C'est dans numpy 1.12+. Je ne me souviens pas si elle s'applique aux versions antérieures, soit
    • Hautaine, dtype est stocké séparément des données lorsque cela est possible? Je ne peux pas imaginer numpy faire tout le levage lourd pour convertir int 1 à bool True.
    InformationsquelleAutor fmonegaglia
  3. 26

    ones et zeros, ce qui créer des tableaux plein de zéros et de uns, respectivement, de prendre une option dtype paramètre:

    >>> numpy.ones((2, 2), dtype=bool)
array([[ True,  True],
       [ True,  True]], dtype=bool)
>>> numpy.zeros((2, 2), dtype=bool)
array([[False, False],
       [False, False]], dtype=bool)
    InformationsquelleAutor user2357112
  4. 10

    Si il n'a pas à être accessible en écriture, vous pouvez créer un tableau avec np.broadcast_to:

    >>> import numpy as np
>>> np.broadcast_to(True, (2, 5))
array([[ True,  True,  True,  True,  True],
       [ True,  True,  True,  True,  True]], dtype=bool)

    Si vous avez besoin d'écriture, vous pouvez également créer un tableau vide et de remplissage vous-même:

    >>> arr = np.empty((2, 5), dtype=bool)
>>> arr.fill(1)
>>> arr
array([[ True,  True,  True,  True,  True],
       [ True,  True,  True,  True,  True]], dtype=bool)

    Ces approches ne sont que des suggestions. En général, vous devriez coller avec np.full, np.zeros ou np.ones comme les autres réponses suggèrent.

    InformationsquelleAutor MSeifert
  5. 0
    >>> a = numpy.full((2,4), True, dtype=bool)
>>> a[1][3]
True
>>> a
array([[ True,  True,  True,  True],
       [ True,  True,  True,  True]], dtype=bool)

    numpy.complet(Taille, Valeur Scalaire, Type). Il y a d'autres arguments qui peuvent être transmis, pour la documentation sur ce, vérifiez https://docs.scipy.org/doc/numpy/reference/generated/numpy.full.html

    InformationsquelleAutor nikithashr
  6. 0

    Vite couru un timeit pour voir, si il y a des différences entre les np.full et np.ones version.

    Réponse: Pas

    import timeit

n_array, n_test = 1000, 10000
setup = f"import numpy as np; n = {n_array};"

print(f"np.ones: {timeit.timeit('np.ones((n, n), dtype=bool)', number=n_test, setup=setup)}s")
print(f"np.full: {timeit.timeit('np.full((n, n), True)', number=n_test, setup=setup)}s")

    Résultat:

    np.ones: 0.38416870904620737s
np.full: 0.38430388597771525s


    IMPORTANT

    Concernant le post sur np.empty (et je ne peux pas commenter, que ma réputation est trop faible):

    NE PAS LE FAIRE. N'UTILISEZ PAS de np.empty pour initialiser unTrue tableau

    Que le tableau est vide, la mémoire n'est pas écrit et il n'y a aucune garantie, quelles sont vos valeurs seront, par exemple,

    >>> print(np.empty((4,4), dtype=bool))
[[ True  True  True  True]
 [ True  True  True  True]
 [ True  True  True  True]
 [ True  True False False]]
    InformationsquelleAutor Joschua