Что означает оператор эквивалентности при использовании в массиве NumPy - PullRequest
Новая
       10

Что означает оператор эквивалентности при использовании в массиве NumPy

0 голосов
/ 23 февраля 2019

Я следую примеру, который я нашел в Справочнике по Python Data Science , цель этого примера - создать две маски массива для окончательного вывода дождливых дней в лето , автор предположил, что лето начинается 21 июня, то есть 172-го дня, и заканчивается через 3 месяца.

Здесь меня интересует только фрагмент кода, в котором он сделал летоинтервал: 

# Construct a mask for all summer days (June 21st is the 172nd day)
summer = (np.arange((365) - 172 < 90 ) & np.arange((365) - 172 > 0)

В другой версии книги я нашел этот код, и я думаю, что он приводит к тому же результату: 

# construct a mask of all summer days (June 21st is the 172nd day)
days = np.arange(365)
summer = (days > 172) & (days < 262)

Оба примера мне не понятны,пожалуйста, помогите.

1 Ответ

0 голосов
/ 23 февраля 2019

Возможно, простой пример поможет лучше понять его. 

# sample array
In [19]: week = np.arange(1, 8)

# find middle 3 days of the week
# to do so, we first find boolean masks by performing
# (week > 2) which performs element-wise comparison, so does (week < 6)
# then we simply do a `logical_and` on these two boolean masks
In [20]: middle = (week > 2) & (week < 6)

In [21]: middle
Out[21]: array([False, False,  True,  True,  True, False, False])

# index into the original array to get the days
In [22]: week[middle]
Out[22]: array([3, 4, 5])

оператор & эквивалентен numpy.logical_and(), тогда как > и < операторов эквивалентны numpy.greater() и numpy.less соответственно. 

# create a boolean mask (for days greater than 2)
In [23]: week > 2
Out[23]: array([False, False,  True,  True,  True,  True,  True])

# create a boolean mask (for days less than 6)
In [24]: week < 6
Out[24]: array([ True,  True,  True,  True,  True, False, False])

# perform a `logical_and`; note that this is exactly same as `middle`
In [25]: np.logical_and((week > 2), (week < 6))
Out[25]: array([False, False,  True,  True,  True, False, False])

In [26]: mid = np.logical_and((week > 2), (week < 6))

# sanity check again
In [27]: week[mid]
Out[27]: array([3, 4, 5])
...