标题几乎说明了一切。如果我问Python什么是all(test = [[False, True],[False, False]])，它输出True：
all(test = [[False, True],[False, False]])
all(test) Out[279]: True
我在玩Python的布尔值，发现这个很难理解。如果我把它变成一个Numpy数组test = np.array([[False, True],[False, False]])，它会输出False：
test = np.array([[False, True],[False, False]])
test.all() Out[283]: False
cgh8pdjw1#
Numpy以一种更注重数学的方式来实现，它实际上会查看所有列表中的所有值。另一方面，Python解释器从编程的Angular 来看待它。all([[False, True],[False, False]])计算为True的原因是Python的两个怪癖。
all([[False, True],[False, False]])
True
all(iterable)
。
函数检查超级列表中的每个元素，并查看其结构为
。但是，
并没有进入每个子列表，而是简单地评估每个子列表是否为“truthy”。由于子列表中都有值，因此它们都是truthy，因此评估为
。最后，
只看到超级列表由两个truthy元素组成，因此它返回
14ifxucb2#
很酷的问题。解决这个问题的最好方法是在Python REPL中自己尝试一下：
$ python [Clang 14.0.0 (clang-1400.0.29.202)] on darwin Type "help", "copyright", "credits" or "license" for more information. >>> bool([False]) True >>> bool(False) False >>> all([[]]) False >>> all([[False]]) True
但是，嘿，我是谁，但一个卑微的乌鸦，站在巨人的肩膀上在这里。查看this answer这里了解更多的细节和澄清。
w8rqjzmb3#
在Python中，非空列表是“真”的
>>> bool([False, True]) True
all不会比这更深入地研究对象。你给它两个非空列表，你得到了True作为回报。ndarray.all做同样的事情，除了它更深入地查看数组。这就是numpy的重点-它将操作广播到它的元素。您可以调整它的参数，例如axis，它将考虑数组的子集。你可以用vanilla python做类似的事情，通过迭代内部列表：
all
ndarray.all
axis
>>> test = [[False, True],[False, False]] >>> all(val for inner in t2 for val in inner) False
3条答案
按热度按时间cgh8pdjw1#
Numpy以一种更注重数学的方式来实现，它实际上会查看所有列表中的所有值。另一方面，Python解释器从编程的Angular 来看待它。
all([[False, True],[False, False]])计算为True的原因是Python的两个怪癖。all(iterable)函数查看可迭代对象中的每个元素，并检查它们是否都是真的。1.不为空的列表是truthy
。all()函数检查超级列表中的每个元素，并查看其结构为[list, list]。但是，all()并没有进入每个子列表，而是简单地评估每个子列表是否为“truthy”。由于子列表中都有值，因此它们都是truthy，因此评估为True。最后，all()只看到超级列表由两个truthy元素组成，因此它返回True`。14ifxucb2#
很酷的问题。解决这个问题的最好方法是在Python REPL中自己尝试一下：
但是，嘿，我是谁，但一个卑微的乌鸦，站在巨人的肩膀上在这里。查看this answer这里了解更多的细节和澄清。
w8rqjzmb3#
在Python中，非空列表是“真”的
all不会比这更深入地研究对象。你给它两个非空列表，你得到了True作为回报。ndarray.all做同样的事情，除了它更深入地查看数组。这就是numpy的重点-它将操作广播到它的元素。您可以调整它的参数，例如axis，它将考虑数组的子集。你可以用vanilla python做类似的事情，通过迭代内部列表：