- NumPy 教程
- NumPy - 首页
- NumPy - 简介
- NumPy - 环境
- NumPy 数组
- NumPy - Ndarray 对象
- NumPy - 数据类型
- NumPy 创建和操作数组
- NumPy - 数组创建例程
- NumPy - 数组操作
- NumPy - 从现有数据创建数组
- NumPy - 从数值范围创建数组
- NumPy - 遍历数组
- NumPy - 数组重塑
- NumPy - 连接数组
- NumPy - 数组堆叠
- NumPy - 数组分割
- NumPy - 数组扁平化
- NumPy - 数组转置
- NumPy 索引和切片
- NumPy - 索引和切片
- NumPy - 高级索引
- NumPy 数组属性和操作
- NumPy - 数组属性
- NumPy - 数组形状
- NumPy - 数组大小
- NumPy - 数组步长
- NumPy - 数组元素大小
- NumPy - 广播
- NumPy - 算术运算
- NumPy - 数组加法
- NumPy - 数组减法
- NumPy - 数组乘法
- NumPy - 数组除法
- NumPy 高级数组操作
- NumPy - 交换数组的轴
- NumPy - 字节交换
- NumPy - 复制和视图
- NumPy - 元素级数组比较
- NumPy - 数组过滤
- NumPy - 连接数组
- NumPy - 排序、搜索和计数函数
- NumPy - 搜索数组
- NumPy - 数组的并集
- NumPy - 查找唯一行
- NumPy - 创建日期时间数组
- NumPy - 二元运算符
- NumPy - 字符串函数
- NumPy - 数学函数
- NumPy - 统计函数
- NumPy - 矩阵库
- NumPy - 线性代数
- NumPy - Matplotlib
- NumPy - 使用 Matplotlib 绘制直方图
- NumPy - NumPy 的 I/O 操作
- NumPy 排序和高级操作
- NumPy - 数组排序
- NumPy - 沿轴排序
- NumPy - 使用花式索引排序
- NumPy - 结构化数组
- NumPy - 创建结构化数组
- NumPy - 操作结构化数组
- NumPy - 字段访问
- NumPy - 记录数组
- NumPy - 加载数组
- NumPy - 保存数组
- NumPy - 将值追加到数组
- NumPy - 交换数组的列
- NumPy - 向数组插入轴
- NumPy 处理缺失数据
- NumPy - 处理缺失数据
- NumPy - 识别缺失值
- NumPy - 删除缺失数据
- NumPy - 填充缺失数据
- NumPy 性能优化
- NumPy - 使用数组进行性能优化
- NumPy - 使用数组进行矢量化
- NumPy - 数组的内存布局
- NumPy 线性代数
- NumPy - 线性代数
- NumPy - 矩阵库
- NumPy - 矩阵加法
- NumPy - 矩阵减法
- NumPy - 矩阵乘法
- NumPy - 元素级矩阵运算
- NumPy - 点积
- NumPy - 矩阵求逆
- NumPy - 行列式计算
- NumPy - 特征值
- NumPy - 特征向量
- NumPy - 奇异值分解
- NumPy - 求解线性方程组
- NumPy - 矩阵范数
- NumPy 元素级矩阵运算
- NumPy - 求和
- NumPy - 求平均值
- NumPy - 求中位数
- NumPy - 求最小值
- NumPy - 求最大值
- NumPy 集合操作
- NumPy - 唯一元素
- NumPy - 交集
- NumPy - 并集
- NumPy - 差集
- NumPy 有用资源
- NumPy 编译器
- NumPy - 快速指南
- NumPy - 有用资源
- NumPy - 讨论
NumPy invert() 函数
NumPy 的invert()函数用于对数组执行按位取反,即 NOT 操作。它通过将 1 变成 0,将 0 变成 1 来翻转输入数组中整数元素的每一位。
取反操作等同于执行按位 NOT,在 Python 中可以表示为~x。
例如,np.invert(5)的结果为 -6,因为 5 的二进制表示为 0101,其按位取反得到 1010,在二进制补码表示中对应 -6。
此函数通过生成一个反转位数组,对数组进行逐元素操作。
语法
以下是 NumPy invert() 函数的语法:
numpy.invert(x)
参数
Numpy invert() 函数接受一个名为x的参数,它是一个整数类型的输入数组。此函数将对数组的每个元素执行按位 NOT操作。
返回值
此函数返回一个数组,其中包含对输入数组的每个元素应用按位 NOT的结果。
示例 1
以下是 NumPy invert() 函数的基本示例。在此示例中,我们展示了如何在无符号 8 位整数数组上使用invert()函数,有效地翻转每个元素的位:
import numpy as np # Define a basic array of unsigned 8-bit integers x = np.array([0, 1, 2, 3], dtype=np.uint8) # Perform bitwise NOT operation result = np.invert(x) print("Original array:", x) print("Inverted array:", result)
输出
以下是应用于两个数组的invert()函数的输出:
Original array: [0 1 2 3] Inverted array: [255 254 253 252]
示例 2
在此示例中,我们展示了invert()如何在带符号整数数组上工作,这将导致每个元素的按位 NOT:
import numpy as np # Define an array of 8-bit signed integers x = np.array([1, 2, 4, 8], dtype=np.int8) # Perform bitwise NOT operation result = np.invert(x) print("Original array:", x) print("Inverted array:", result)
输出
以下是上述示例的输出:
Original array: [1 2 4 8] Inverted array: [-2 -3 -5 -9]
示例 3
以下是invert()函数的示例,其中此函数的行为根据输入数组的数据类型而有所不同:
import numpy as np # Define arrays of different data types x_uint16 = np.array([0, 1, 2, 3], dtype=np.uint16) x_int32 = np.array([0, 1, 2, 3], dtype=np.int32) # Perform bitwise NOT operation result_uint16 = np.invert(x_uint16) result_int32 = np.invert(x_int32) print("Original uint16 array:", x_uint16) print("Inverted uint16 array:", result_uint16) print("Original int32 array:", x_int32) print("Inverted int32 array:", result_int32)
输出
以下是上述示例的输出:
Original uint16 array: [0 1 2 3] Inverted uint16 array: [65535 65534 65533 65532] Original int32 array: [0 1 2 3] Inverted int32 array: [-1 -2 -3 -4]
numpy_binary_operators.htm
广告