Python numpy.bitwise_and函数方法的使用

NumPy(Numerical Python的缩写)是一个开源的Python科学计算库。使用NumPy,就可以很自然地使用数组和矩阵。NumPy包含很多实用的数学函数,涵盖线性代数运算、傅里叶变换和随机数生成等功能。本文主要介绍一下NumPy中bitwise_and方法的使用。

numpy.bitwise_and

numpy.bitwise_and(x1, x2, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) = <ufunc 'bitwise_and'>

按元素计算两个数组的按位与。

计算输入数组中整数的基础二进制表示的按位与。 该ufunc实现C/Python运算符

参数 :

x1, x2 :array_like

仅处理整数和布尔类型。 如果x1.shape!= x2.shape

则必须将它们传递为通用形状(即输出的形状)。

out :ndarray, None, 或 ndarray的tuple和 None, 可选

结果存储的位置。 如果提供,它必须具有输入传递的形状。 

如果未提供或没有,则返回一个新分配的数组。 

元组(只能作为关键字参数)的长度必须等于输出的数量。

where :array_like, 可选

此条件通过输入传递。 在条件为True的位置,将out数组设置为ufunc结果。 

在其他地方,out数组将保留其原始值。 请注意,

如果通过默认的out = None创建了未初始化的输出数组,

则条件为False的数组中的位置将保持未初始化状态。

**kwargs

有关其他仅关键字的参数,请参见ufunc文档。

返回值 :

out :ndarray 或 scalar

结果。 如果x1和x2均为标量,则为标量。

例子

数字13由00001101表示。同样,数字17由00010001表示。因此13和17的按位与是0000000011

>>> np.bitwise_and(13, 17)
1
>>> np.bitwise_and(14, 13)
12
>>> np.binary_repr(12)
'1100'
>>> np.bitwise_and([14,3], 13)
array([12,  1])
>>> np.bitwise_and([11,7], [4,25])
array([0, 1])
>>> np.bitwise_and(np.array([2,5,255]), np.array([3,14,16]))
array([ 2,  4, 16])
>>> np.bitwise_and([True, True], [False, True])
array([False,  True])
推荐阅读
cjavapy编程之路首页