如何计算NumPy bool数组中真实元素的数量

4 回答

• 185

  这个问题为我解决了一个非常相似的问题，我认为我应该分享：

  在原始python中，您可以使用sum（）来计算dict中的True值：

  >>> sum([True,True,True,False,False])
  3
  

  但这不起作用：

  >>> sum([[False, False, True], [True, False, True]])
  TypeError...
  

  也许这会对某人有所帮助 .

  回复于 2024-04-25T15:37:49+08:00
• 3

  在比较两个numpy数组和计算匹配数（例如机器学习中的正确类预测）方面，我发现以下两个维度的例子很有用：

  import numpy as np
  result = np.random.randint(3,size=(5,2)) # 5x2 random integer array
  target = np.random.randint(3,size=(5,2)) # 5x2 random integer array
  
  res = np.equal(result,target)
  print result
  print target
  print np.sum(res[:,0])
  print np.sum(res[:,1])
  

  可以扩展到D维度 .

  结果是：

  预测：

  [[1 2]
   [2 0]
   [2 0]
   [1 2]
   [1 2]]
  

  目标：

  [[0 1]
   [1 0]
   [2 0]
   [0 0]
   [2 1]]
  

  D = 1的正确预测计数： 1

  D = 2的正确预测计数： 2

  回复于 2024-04-25T15:37:49+08:00
• 3

  你有多种选择 . 以下两个选项 .

  numpy.sum(boolarr)
  numpy.count_nonzero(boolarr)
  

  这是一个例子：

  >>> import numpy as np
  >>> boolarr = np.array([[0, 0, 1], [1, 0, 1], [1, 0, 1]], dtype=np.bool)
  >>> boolarr
  array([[False, False,  True],
         [ True, False,  True],
         [ True, False,  True]], dtype=bool)
  
  >>> np.sum(boolarr)
  5
  

  当然，这是一个 bool 特定的答案 . 更一般地说，您可以使用 numpy.count_nonzero .

  >>> np.count_nonzero(boolarr)
  5
  

  回复于 2024-04-25T15:37:49+08:00
• 23

  如果您希望按行计数，请将 axis=1 提供给 sum ：

  In [345]: boolarr
  Out[345]: 
  array([[False, False,  True],
         [ True, False,  True],
         [ True, False,  True]], dtype=bool)
  
  In [346]: boolarr.sum(axis=1)
  Out[346]: array([1, 2, 2])
  

  同样，使用 np.count_nonzero ：

  In [348]: np.count_nonzero(boolarr, axis=1)
  Out[348]: array([1, 2, 2])
  

  回复于 2024-04-25T15:37:49+08:00