Numpy logical_and

Podobnie jak inne frameworki i języki, Numpy obsługuje także logiczne operatorów i ich operacje, takie jak i itp. W tym przewodniku Numpy omówimy operację „Logical_and” Numpy. Operator Logical_and oblicza wartość prawdy A1 i A2 ElementWise. NP.Metoda logical_and () jest matematyczną metodą tablicy, która jest używana do obliczania wyjścia xi i yi dla każdego komponentu xi array1 dotyczących elementu yi array2. Daje nam wyjście w formie tablicy. Dla NP.Funkcja logical_and (), musimy przekazać ją do tablic wejściowych o tym samym kształcie

Składnia

To jest składnia dla naszej metody.

Numpy.logical_and (x1, x2, out = brak, gdzie = true, dtype = brak)

Ma następujące parametry

x1, x2 to tablice wejściowe. Te dwa muszą mieć ten sam kształt, który będzie również taki sam jak wyjście.

na zewnątrz to lokalizacja, w której przechowywane jest wyjście. Możemy podać kształt ręcznie, inaczej będzie on przeznaczył świeżą tablicę.

Gdzie jest warunkiem, który jest opcjonalnym parametrem. Jeśli warunek jest prawdziwy, tablica wyników, która jest tablicą poza. W przeciwnym razie tablica wyjściowa pozostanie w faktycznej formie, utrzymując swoją rzeczywistą wartość.

Dtype definiuje rodzaj tablicy wyjściowej.

Przykład nr 01:

Teraz weźmiemy dwie tablice z tym samym i różnymi wartościami. I operator zwraca prawdziwie, gdy obie wartości są takie same lub oba warunki są prawdziwe, a zwraca fałszywe we wszystkich innych przypadkach. Tak działa operator. W naszym przykładzie sprawdzimy również, czy nasz i operator, korzystając z tej metody, działają w ten sam sposób, czy nie.

Po pomyślnym zaimportowaniu naszej biblioteki Numpy jako NP, przypisaliśmy wartości „1”, „1”, „0” i „0” do naszej pierwszej tablicy i „1”, „0”, „1” i „0 „Do naszej drugiej tablicy. Wykonamy i operator na naszych tablicach i zobaczymy wyjście, drukując naszą tablicę wyjściową, którą sami zainicjowaliśmy jako nasza trzecia tablica. Wykonamy nasz kod:

importować Numpy jako NP
Arr_x = [1, 1, 0, 0]
Arr_y = [1, 0, 1, 0]
arr_z = np.logical_and (arr_x, arr_y)
Drukuj (arr_z)

Poniżej znajduje się wynik, który otrzymamy z naszego kodu. W tym wyjściu możemy zobaczyć, że funkcja zwróciła dane wyjściowe jako prawdziwe i fałszywe. Zwrócił to tylko tam, gdzie wartości obu tablic były takie same. Tak więc, dzięki wyjściu, możemy stwierdzić, że funkcje operatora logicznego Numpy działają tak samo jak wszyscy inni operatorzy i dają nam dokładne wyjście.

Przykład nr 02:

Przed przejściem do następnego przykładu wyjaśnij nam jedną rzecz: zera i te to nie tylko wartości używane podczas operacji logicznych. W niektórych przypadkach używamy również wartości prawdziwych i fałszu, gdy true jest równe „1”, a fałsz jest równy „0”. Teraz w poniższym przykładzie przekazamy wartości prawdziwe i fałsz do naszych tablic wejściowych i wykonamy operację logical_and na tych tablicach i przechowujemy wynik w trzeciej tablicy. Drukując trzecią tablicę, zobaczymy, czy nasz operator działa na wartościach takich jak True i False, czy działa tylko na zero i jednej wartości.

importować Numpy jako NP
arr_a = [false, false, true, true]
arr_b = [false, true, false, true]
arr_c = np.logical_and (arr_a, arr_b)
print (arr_c)

Najpierw zaimportujmy naszą bibliotekę Numpy, powodem jest to, że będziemy wykonywać niektóre operacje dostarczane przez Numpy Library. W następnym wierszu zadeklarujemy dwie tablice, do których będziemy przechowywać wartości tablicy jako prawdziwe i fałszywe, jak wyjaśnimy powyżej. Po ogłoszeniu obu tablic, które są „ARR_A” i „ARR_B”, zadeklarujemy kolejną tablicę, która będzie utrzymywała wynik naszej i działający między tablicami przekazanymi do naszej logicznej i operacji. Ostatecznie wydrukujemy wynikową tablicę za pomocą instrukcji print ().

Tutaj metoda powróciła do nas wyjście i jest to dokładne wyjście, którego się spodziewaliśmy. Tylko prawda jest zwracana tam, gdzie obie tablice są prawdziwe. Tak i operator działają również w rzeczywistości. Możemy więc sugerować, że działa nie tylko na 0 i 1, ale także działa na True i False.

Przykład nr 03:

Po pracy nad operatorem Logical_and pojawi się pytanie: co się stanie, jeśli nie przekazamy naszego operatora tablicy tego samego kształtu? Aby odpowiedzieć na twoje pytanie, zrobiliśmy ten przykład, w którym przekazaliśmy dwie tablice różnych kształtów w naszej funkcji, aby zobaczyć, jakie dane wyjściowe zwrócone w tym przypadku nasza funkcja. Zadeklarowaliśmy dwie tablice, jedną z elementami „4”, a drugie z „5” elementami, aby nie mieli tego samego kształtu. Zapisaliśmy wyjście w trzeciej tablicy i wydrukujemy je, aby sprawdzić wyjście. Teraz wykonamy nasz kod, aby sprawdzić, co się stanie.

importować Numpy jako NP
Small_ARR = [0, 0, 1, 1]
Large_arr = [1, 0, 1, 0, 1]
out_arr = np.logical_and (Small_ARR, Large_ARR)
Drukuj (OUT_ARR)

Teraz najpierw zaimportuj bibliotekę Numpy, a następnie zdefiniuj dwie tablice o różnych rozmiarach, nazywając je „Small_ARR”, które zawiera elementy „4” i „Large_arr”, które zawiera elementy „5”. Następnie zdefiniujemy kolejną tablicę, która będzie zawierać wynikową tablicę po wykonaniu logicznej i pracy. Na koniec wydrukujemy wynikową tablicę za pomocą instrukcji print ().

Niestety kod dał nam błąd. Ale w tym przykładzie dowiedzieliśmy się, że możemy przekazać tablice o tym samym kształcie naszej funkcji; W przeciwnym razie da błąd. Jeśli przeczytamy ostatni wiersz błędu, możemy zrozumieć, że system mówi nam, że nie możemy razem nadawać kształtów 4 i 5. 4 i 5 to liczba elementów, które przekazaliśmy odpowiednio naszemu Small_ARR i Large_arr.

Wniosek

Dowiedzieliśmy się o Numpy NP.Metoda logical_and () w tym przewodniku. Omówiliśmy, jak łatwo możemy wykonywać operacje logiczne na naszych tablicach za pomocą NP.Logical_and () funkcja Numpy. Pokazaliśmy również, jak zachowuje się system, gdy przechodzimy go w tablice różnych kształtów. W tym przewodniku zastosowaliśmy parametr „gdzie” do naszej funkcji, która bardzo pomaga nam zrozumieć koncepcję.