计算两个一维 NumPy 数组的按元素位异或
要计算两个一维数组的按元素位或,请在 Python NumPy 中使用 **numpy.bitwise_xor()** 方法。计算输入数组中整数的底层二进制表示的按元素位异或。此 ufunc 实现 C/Python 运算符 ^。
第一个和第二个参数是数组,仅处理整数和布尔类型。如果 x1.shape != x2.shape,则它们必须能够广播到一个公共形状。
where 参数是广播到输入上的条件。在条件为 True 的位置,out 数组将设置为 ufunc 结果。在其他位置,out 数组将保留其原始值。请注意,如果通过默认的 out=None 创建了一个未初始化的 out 数组,则其中条件为 False 的位置将保持未初始化状态。
步骤
首先,导入所需的库 -
import numpy as np
使用 array() 方法创建两个一维 NumPy 数组。我们插入了 int 类型的元素 -
arr1 = np.array([32, 95, 82, 69, 38]) arr2 = np.array([28, 60, 81, 55, 89])
显示数组 -
print("Array 1...
", arr1) print("
Array 2...
", arr2)
获取数组的类型 -
print("
Our Array 1 type...
", arr1.dtype) print("
Our Array 2 type...
", arr2.dtype)
获取数组的维度 -
print("
Our Array 1 Dimensions...
",arr1.ndim) print("
Our Array 2 Dimensions...
",arr2.ndim)
获取数组的形状 -
print("
Our Array 1 Shape...
",arr1.shape) print("
Our Array 2 Shape...
",arr2.shape)
要计算两个一维数组的按元素位或,请使用 numpy.bitwise_xor() 方法 -
print("
Result (bit-wise XOR)...
",np.bitwise_xor(arr1, arr2))
示例
import numpy as np # Creating two 1D numpy arrays using the array() method # We have inserted elements of int type arr1 = np.array([32, 95, 82, 69, 38]) arr2 = np.array([28, 60, 81, 55, 89]) # Display the arrays print("Array 1...
", arr1) print("
Array 2...
", arr2) # Get the type of the arrays print("
Our Array 1 type...
", arr1.dtype) print("
Our Array 2 type...
", arr2.dtype) # Get the dimensions of the Arrays print("
Our Array 1 Dimensions...
",arr1.ndim) print("
Our Array 2 Dimensions...
",arr2.ndim) # Get the shape of the Arrays print("
Our Array 1 Shape...
",arr1.shape) print("
Our Array 2 Shape...
",arr2.shape) # To compute the bit-wise OR of two arrays element-wise, use the numpy.bitwise_xor() method in Python Numpy print("
Result (bit-wise XOR)...
",np.bitwise_xor(arr1, arr2))
输出
Array 1... [32 95 82 69 38] Array 2... [28 60 81 55 89] Our Array 1 type... int64 Our Array 2 type... int64 Our Array 1 Dimensions... 1 Our Array 2 Dimensions... 1 Our Array 1 Shape... (5,) Our Array 2 Shape... (5,) Result (bit-wise XOR)... [ 60 99 3 114 127]
广告