逐元素计算两个一维 Numpy 数组的按位异或
numpyserver side programmingprogramming
要逐元素计算两个一维数组的按位或，请使用 Python Numpy 中的 numpy.bitwise_xor() 方法。计算输入数组中整数的底层二进制表示的按位异或。此 ufunc 实现 C/Python 运算符 ^。
第 1 个和第 2 个参数是数组，仅处理整数和布尔类型。如果 x1.shape != x2.shape，则它们必须可广播到通用形状。
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，如果通过默认的 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。
步骤
首先，导入所需的库 −
import numpy as np
使用 array() 方法创建两个 1D 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("数组 1...
", arr1)
print("
数组 2...
", arr2)
获取数组的类型 −
print("
我们的数组 1 类型...
", arr1.dtype)
print("
我们的数组 2 类型...
", arr2.dtype)
获取数组的维度 −
print("
我们的数组 1 维度...
",arr1.ndim)
print("
我们的数组 2 维度...
",arr2.ndim)
获取数组的形状 −
print("
我们的数组 1 形状...
",arr1.shape)
print("
我们的数组 2 形状...
",arr2.shape)
要按元素逐位计算两个一维数组的按位或，请使用 numpy.bitwise_xor() 方法 −
print("
结果(按位异或)...
",np.bitwise_xor(arr1, arr2))
示例
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("数组 1...
", arr1)
print("
数组 2...
", arr2)
# 获取数组的类型
print("
我们的数组 1 类型...
", arr1.dtype)
print("
我们的数组 2 类型...
", arr2.dtype)
# 获取数组的维度
print("
我们的数组 1 维度...
",arr1.ndim)
print("
我们的数组 2 维度...
",arr2.ndim)
# 获取数组的形状
print("
我们的数组 1 形状...
",arr1.shape)
print("
我们的数组 2 形状...
",arr2.shape)
# 要按元素计算两个数组的按位或，请使用 Python Numpy 中的 numpy.bitwise_xor() 方法
print("
结果(按位异或)...
",np.bitwise_xor(arr1, arr2))
输出
数组 1... [32 95 82 69 38] 数组 2... [28 60 81 55 89] 我们的数组 1 类型... int64 我们的数组 2 类型... int64 我们的数组 1 维度... 1 我们的数组 2 维度... 1 我们的数组 1 形状... (5,) 我们的数组 2 形状... (5,) 结果(按位异或)... [ 60 99 3 114 127]
