python代码，如何理解numpy.any()以及ndarray.any()函数？

我们相信：世界是美好的，你是我也是。 来玩一下解压小游戏吧！

基于python自带的的any()函数，如何理解numpy中的.any()函数呢？这就是本文要阐述的问题。具体的来说，本文要对ndarray类型的变量，实现.any()操作，即判断其元素是否存在True。但是，基于ndarray类型的.any()操作是比较复杂的。本文也仅仅会对其做简要的描述，后续的高级参数部分，如果用得到，再写文章展开更深层次的描述。

苏南大叔的“程序如此灵动”技术博客，记录苏南大叔的代码经验总结。本文测试环境：win10，python@3.11.0，numpy@1.24.2。

前文回顾

python自带的any()和all()，是前文回顾的主要内容。这两个函数比较朴华无实，靠谱。参考文章：

• https://newsn.net/say/python-any.html
• https://newsn.net/say/python-any.html
• https://newsn.net/say/ndarray-flatten.html

但是，any()这个概念移植到numpy这边，就比较复杂了。有两个效果完全一样的分支。比如：

• np.any(_ndarray)
• _ndarray.any()

本文【重点】结论

np.any(np.array)，其逻辑本质是对矩阵所有元素做【或】运算，存在True则返回True，不返回True的时候，也不一定返回False。请对比下面的实验结果，反复理解这句话。

• 非零数字被理解为True。
• 返回的是传统的True和其它（不一定是False）。
• 可能会各种报错，特别是元素中出现字符串的时候。
• 算法上，可能是logic_or，并不是循环出某个元素，然后做个判断。所以，碰到一些无法执行or操作的对象，就会报错。

函数原型

函数原型：

numpy.any(arr, axis=None, out=None, keepdims=<no value>, *, where=<no value>)

对于二维数组来说，可以添加新的参数axis，来规定统计的范围。

• axis=0，就是普通最常见的做账单的方式（比如超市小票），效果是从上到下，以列为单位。
• axis=1，效果是从左到右，以行为单位。

参考文章：

• https://newsn.net/say/dataframe-axis.html

对于其它参数，因为实在是用不到，这里暂作伏笔。

基础测试例子

import numpy as np

a1 = np.arange(5)  # [0  1  2  3  4]
a1 = np.arange(0, 5, 1)  # [0  1  2  3  4]
print(np.any(a1), a1.any())  # True True

a2 = np.arange(1, 5, 1)  # [1  2  3  4  5]
print(np.any(a2), a2.any())  # True True

a3 = np.array([[2, 4, 0], [1, 0, 0]])
print(np.any(a3), a3.any())  # True True
print(np.any(a3, axis=0))  # [ True  True False]
print(a3.any(axis=1))  # [ True  True]

a4 = np.array([False, False, True, False])
print(np.any(a4), a4.any())  #  True True
print(np.any(a4, axis=0))  # True
# print(a4.any(axis=1))  # 报错

稍稍复杂的例子

这里的代码的返回值，就不局限于True了，可能是False，也可能是其它。

import numpy as np

a5 = np.array([[False, False], [np.nan, 0], [None, None]])
print(np.any(a5), a5.any())  # nan nan
print(np.any(a5, axis=0))  # [nan None]
print(a5.any(axis=1))  # [False nan None]

a6 = np.array([["1", "2", "3"], ["False", None, True]])
print(np.any(a6), a6.any())  # 1 1
print(np.any(a6, axis=0))  # ['1' '2' '3']
print(a6.any(axis=1))  # ['1' 'False']

a7 = np.array(["", np.nan, False, 0, None])
print(np.any(a7), a7.any())  # nan nan
print(np.any(a7, axis=0))  # nan

主要看最后一个例子，返回值不是true，目前理解就是：它们可能都被当成空值。

空数组

import numpy as np

a8 = np.array([])
print(np.any(a8), a8.any())  # False False
print(np.any(a8, axis=0))    # False

在空ndarray里面寻找为True的元素，没有找到，返回False。

结束语

苏南大叔个人觉得，numpy目前的any()操作中，一些报错报的挺莫名其妙的。估计，后续numpy升级中，会对这部分逻辑进行更好的修复。

• https://newsn.net/tag/python/

如果本文对您有帮助，或者节约了您的时间，欢迎打赏瓶饮料，建立下友谊关系。
本博客不欢迎：各种镜像采集行为。请尊重原创文章内容，转载请保留作者链接。