您必须显式地将dtype指定为bool，否则，您将得到arr1=np.array([1.0,0.0,1.0])和arr2=np.array([0.0,1.0,1.0])。
Dtype默认为float（64或32，取决于拱）。而True是1的别名（如果您使用np.array([True,False,True], dtype=np.float64)，则与常规python一样）
在这些上面使用按位&也会在常规python/numpy上失败。
ulab的版本和常规版本之间唯一显著的区别是，当你不指定时，默认的dtype是：在常规python中，如果不指定dtype，则会自动推断为布尔数组。
(same是int，顺便说一句。在常规python中，np.array([1,2,3])的dtype为int，而upython将构建[1.0, 2.0, 3.0]浮点数组，除非您明确地说np.array([1,2,3], dtype=np.int16)）
在μpython中：

from ulab import numpy as np
arr1 = np.array([True, False, True], dtype=np.bool)
arr2 = np.array([False, True, True], dtype=np.bool)

print(arr1 and arr2) # returns [False,True,True], that is arr2, which has its logics: `arr1`
print(arr1 & arr2) # array([False, False, True], dtype=bool). So what you want
np.logical_and(arr1, arr2) # AttributeError: 'module' object has no attribute 'logical_and'. That doesn't change

字符串
所以逻辑&工作，一旦你确保数组有bool dtype。
请注意，您必须使用np.bool，而不是bool（与常规numpy相反，如果您使用np.bool，它会给出弃用警告，并且不仅适用于bool，而且鼓励使用bool）