Numpy right_shift() 函数

NumPy right_shift() 函数用于对数组元素执行按位右移。此函数将输入数组中每个元素的位向右移动指定位数。每移动一位，左侧都会插入一个零。

此函数可以接受数组或标量作为输入，并指定要移动的位数。结果是一个与输入形状相同的数组，其中包含移位后的值。它通常用于涉及按位操作的任务，例如二进制算术或数字信号处理。

语法

以下是 Numpy right_shift() 函数的语法 -

numpy.right_shift(x1, x2, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True, [,signature])

参数

Numpy right_shift() 函数采用以下参数 -

• x1:应用右移的输入值。
• x2:右移位置的位数要应用的移位。
• out(ndarray, None 或 ndarray 与 None 的元组，可选): 结果的存储位置。
• where(array_like，可选): 这是必须应用右移的条件。
• **kwargs: casting、order、dtype、subok 等参数是附加的关键字参数，可根据需要使用。

返回值

此函数返回一个数组，其中每个元素都是将输入值中相应元素的位向右移动 shift 指定位数的结果。

示例 1

以下是 Numpy right_shift() 函数的基本示例，该函数将整数的位向右移动指定的位数位置，实际上是将数字除以 2 的幂 -

import numpy as np

# 定义一个整数
number = 16 # 二进制:00010000

# 定义要移位的位数
shift_positions = 2

# 执行右移操作
result = np.right_shift(number, shift_positions)

print('原始数字:', number)
print('二进制表示:', np.binary_repr(number, width=8))
print(f'右移 {shift_positions} 位结果:', result)
print('移位后的二进制表示:', np.binary_repr(result, width=8))

以下是 right_shift() 函数应用于整数的输出−

原始数字:16
二进制表示:00010000
右移 2 位结果:4
移位后的二进制表示:00000100

示例 2

处理按位移位运算时，通常不支持负移位值。尝试使用负移位值通常会导致错误或未定义的行为，具体取决于实现和具体操作。以下是示例 -

import numpy as np

# 定义一个整数数组
array = np.array([16, 32, 64, 128])

# 定义一个需要移位的负数
negative_shift_positions = -2

try:
	# 尝试使用负移位值执行右移操作
    result = np.right_shift(array, negative_shift_positions)
    print('负移值的结果:', result)
except ValueError as e:
    print('Error:', e)

以下是负右移位的输出 -

负移值的结果:[0 0 0 0]

示例 3

以下是另一个使用 right_shift() 函数执行位右移操作的示例 -

import numpy as np

# 创建一维数组
arr = np.array([56, 87, 23, 92, 81, 98, 45, 98])

# 显示数组
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)

# 右移次数
valRight = 3
# 要将整数的位向右移动，请使用 Python Numpy 中的 numpy.right_shift() 方法
result = np.right_shift(arr, valRight)

# 显示右移运算的结果
print("结果(右移):", result)

以下是右移的输出 -

数组:[56 87 23 92 81 98 45 98]
数组数据类型:int64
数组维度:1
我们的数组形状:(8,)
数组中的元素:8
结果(右移):[ 7 10 2 11 10 12 5 12]

numpy_binary_operators.html