在 Numpy 中计算有符号整数类型的数组的按位非
numpyserver side programmingprogramming
要计算有符号整数类型的数组的按位非，请使用 Python Numpy 中的 numpy.bitwise_not() 方法。计算输入数组中整数的底层二进制表示的按位非。此 ufunc 实现 C/Python 运算符 ˜。
where 参数是通过输入广播的条件。在条件为 True 的位置，out 数组将设置为 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 out=None 创建未初始化的 out 数组，则其中条件为 False 的位置将保持未初始化状态。
NumPy 提供全面的数学函数、随机数生成器、线性代数例程、傅里叶变换等。它支持广泛的硬件和计算平台，并且与分布式、GPU 和稀疏数组库配合良好。
步骤
首先，导入所需的库 −
import numpy as np
创建一个二维数组。使用"dtype"参数设置数据类型。我们已将数据类型设置为有符号整数类型。当使用有符号整数类型时，结果是无符号类型结果的二进制补码 −
arr = np.array([[92, 81, 98, 45], [22, 67, 54, 69 ], [69, 80, 80, 99]], dtype=np.int8)
显示我们的数组 −
print("数组...
",arr)
获取数据类型 −
print("
数组数据类型...
",arr.dtype)
获取数组的维度 −
print("
数组维度...
",arr.ndim)
获取数组的形状 −
print("
我们的数组形状...
",arr.shape)
获取数组中元素的数量 −
print("
数组中的元素...
",arr.size)
要计算数组的按位非，请使用 Python Numpy 中的 numpy.bitwise_not() 方法 −
print("
结果(按位非)...
",np.bitwise_not(arr))
示例
import numpy as np
# 创建 2d 数组
# 使用 "dtype" 设置数据类型参数
# 我们已将数据类型设置为有符号整数类型
# 使用有符号整数类型时，结果是无符号类型结果的二进制补码
arr = np.array([[92, 81, 98, 45], [22, 67, 54, 69 ], [69, 80, 80, 99]], dtype=np.int8)
# 显示我们的数组
print("数组...
",arr)
# 获取数据类型
print("
数组数据类型...
",arr.dtype)
# 获取数组的维度
print("
数组维度...
",arr.ndim)
# 获取数组的形状
print("
我们的数组形状...
",arr.shape)
# 获取数组元素的数量
print("
数组中的元素...
",arr.size)
# 要计算数组的逐位非，请使用 Python Numpy 中的 numpy.bitwise_not() 方法
print("
结果(按位非)...
",np.bitwise_not(arr))
输出
数组... [[92 81 98 45] [22 67 54 69] [69 80 80 99]] 数组数据类型... int8 数组维度... 2 我们的数组形状... (3, 4) 数组中的元素... 12 结果(按位非)... [[ -93 -82 -99 -46] [ -23 -68 -55 -70] [ -70 -81 -81 -100]]
