Bagaimana cara membuat array numpy dari semua Benar atau semua Salah?

Dengan Python, bagaimana cara membuat array numpy dengan bentuk acak yang diisi dengan semua Benar atau semua Salah?

numpy sudah memungkinkan pembuatan array semua atau semua nol dengan sangat mudah:

misalnya numpy.ones((2, 2))ataunumpy.zeros((2, 2))

Karena Truedan Falsediwakili dalam Python sebagai 1dan 0, masing-masing, kita hanya perlu menentukan array ini harus boolean menggunakan dtypeparameter opsional dan kita selesai.

numpy.ones((2, 2), dtype=bool)

pengembalian:

array([[ True,  True],
       [ True,  True]], dtype=bool)

PEMBARUAN: 30 Oktober 2013

Sejak numpy versi 1.8 , kita dapat menggunakan fulluntuk mencapai hasil yang sama dengan sintaks yang lebih jelas menunjukkan niat kita (seperti yang ditunjukkan fmonegaglia):

numpy.full((2, 2), True, dtype=bool)

PEMBARUAN: 16 Januari 2017

Karena setidaknya numpy versi 1.12 , fullsecara otomatis melemparkan hasil ke dtypeparameter kedua, jadi kita bisa menulis:

numpy.full((2, 2), True)

numpy.full((2,2), True, dtype=bool)

onesdan zeros, yang masing-masing membuat array penuh satu dan nol, ambil dtypeparameter opsional :

>>> numpy.ones((2, 2), dtype=bool)
array([[ True,  True],
       [ True,  True]], dtype=bool)
>>> numpy.zeros((2, 2), dtype=bool)
array([[False, False],
       [False, False]], dtype=bool)

Jika tidak harus dapat ditulisi, Anda dapat membuat array dengan np.broadcast_to:

>>> import numpy as np
>>> np.broadcast_to(True, (2, 5))
array([[ True,  True,  True,  True,  True],
       [ True,  True,  True,  True,  True]], dtype=bool)

Jika Anda membutuhkannya dapat ditulisi, Anda juga dapat membuat array kosong dan fillitu sendiri:

>>> arr = np.empty((2, 5), dtype=bool)
>>> arr.fill(1)
>>> arr
array([[ True,  True,  True,  True,  True],
       [ True,  True,  True,  True,  True]], dtype=bool)

Pendekatan-pendekatan ini hanyalah saran alternatif. Secara umum Anda harus tetap dengan np.full, np.zerosatau np.onesseperti yang disarankan jawaban lain.

Cepat jalankan timeit untuk melihat, jika ada perbedaan antara versi np.fulldan np.ones.

Jawab: Tidak

import timeit

n_array, n_test = 1000, 10000
setup = f"import numpy as np; n = {n_array};"

print(f"np.ones: {timeit.timeit('np.ones((n, n), dtype=bool)', number=n_test, setup=setup)}s")
print(f"np.full: {timeit.timeit('np.full((n, n), True)', number=n_test, setup=setup)}s")

Hasil:

np.ones: 0.38416870904620737s
np.full: 0.38430388597771525s

PENTING

Mengenai pos tentang np.empty(dan saya tidak dapat berkomentar, karena reputasi saya terlalu rendah):

JANGAN LAKUKAN ITU. JANGAN GUNAKAN np.emptyuntuk menginisialisasi semua- Truearray

Karena array kosong, memori tidak ditulis dan tidak ada jaminan, seperti apa nilai Anda, misalnya

>>> print(np.empty((4,4), dtype=bool))
[[ True  True  True  True]
 [ True  True  True  True]
 [ True  True  True  True]
 [ True  True False False]]

>>> a = numpy.full((2,4), True, dtype=bool)
>>> a[1][3]
True
>>> a
array([[ True,  True,  True,  True],
       [ True,  True,  True,  True]], dtype=bool)

numpy.full (Ukuran, Nilai Skalar, Jenis). Ada juga argumen lain yang dapat diajukan, untuk dokumentasi tentang itu, periksa https://docs.scipy.org/doc/numpy/reference/generated/numpy.full.html