Einführung
NumPy ist eine beliebte Bibliothek für wissenschaftliches Rechnen, die wir verwenden, um numerische Operationen in Python durchzuführen. Es verfügt über eine umfangreiche Sammlung mathematischer Funktionen, die es ermöglichen, mathematische Operationen mit Hilfe des Numpy-Moduls durchzuführen. In diesem Lab werden wir die binäre Operation bitwise_and in der NumPy-Bibliothek behandeln.
Tipps für die VM
Nachdem der VM-Start abgeschlossen ist, klicken Sie in der oberen linken Ecke, um zur Registerkarte Notebook zu wechseln und Jupyter Notebook für die Übung zu nutzen.
Manchmal müssen Sie einige Sekunden warten, bis Jupyter Notebook vollständig geladen ist. Die Validierung von Operationen kann aufgrund von Einschränkungen in Jupyter Notebook nicht automatisiert werden.
Wenn Sie bei der Lernphase Probleme haben, können Sie Labby gerne fragen. Geben Sie nach der Sitzung Feedback, und wir werden das Problem für Sie prompt beheben.
Numpy-Modul importieren
Um die NumPy-Bibliothek zu verwenden, müssen wir sie importieren. Im untenstehenden Codeausschnitt haben wir das Numpy-Modul importiert.
import numpy as np
Das Verständnis der bitweisen AND-Operation
Die bitwise_and()-Funktion berechnet die bitweise AND-Verknüpfung der zugrunde liegenden binären Darstellung der ganzen Zahlen im Eingabearray. Die Wahrheitstafel der bitweisen AND-Operation ist unten angegeben:
| A | B | A & B |
|---|---|---|
| 0 | 0 | 0 |
| 0 | 1 | 0 |
| 1 | 0 | 0 |
| 1 | 1 | 1 |
Wir sollten diese Werte im Kopf behalten, wenn wir eine bitweise AND-Operation auf beliebige Eingaben durchführen.
Syntax von bitwise_and()
Die folgende ist die Syntax von bitwise_and():
numpy.bitwise_and(x1, x2, /, out, *, where=True, casting='same_kind', order='K', dtype,subok=True[, signature, extobj]) = <ufunc 'bitwise_and'>
Parameter
x1,x2: Dies sind die beiden Eingabearrays, und mit dieser Funktion werden nur ganzzahlige und boolsche Typen behandelt. Wennx1.shape!= x2.shape, müssen sie auf eine gemeinsame Form abgestrahlt werden (und diese Form wird dann die Form der Ausgabe sein).out: Dieser Parameter gibt hauptsächlich einen Speicherort an, an dem das Ergebnis gespeichert wird. Wenn dieser Parameter angegeben wird, muss er eine Form haben, auf die die Eingaben abgestrahlt werden können. Wenn dieser Parameter entweder nicht angegeben wird oder er ist None, wird ein frisch zugewiesen Array zurückgegeben.where: Dieser Parameter wird verwendet, um eine Bedingung anzugeben, die über die Eingabe abgestrahlt wird. An den Stellen, an denen die Bedingung True ist, wird dasout-Array auf das bitweise AND-Ergebnis gesetzt, andernfalls behält dasout-Array seinen ursprünglichen Wert bei.dtype: optionaler Parameter, der verwendet wird, um den Datentyp der Ausgabe festzulegen.
Durchführen einer bitweisen AND-Operation auf Skalaren
Im folgenden Beispiel werden wir die Verwendung der bitwise_and()-Funktion veranschaulichen, um eine bitweise AND-Operation auf zwei skalare Werte durchzuführen.
num1 = 15
num2 = 20
print("The Input number1 is :", num1)
print("The Input number2 is :", num2)
output = np.bitwise_and(num1, num2)
print("The bitwise_and of 15 and 20 is: ", output)
Die Ausgabe des obigen Codes wäre:
The Input number1 is : 15
The Input number2 is : 20
The bitwise_and of 15 and 20 is: 4
Durchführen einer bitweisen AND-Operation auf Arrays
Im folgenden Beispiel werden wir die bitwise_and()-Funktion auf zwei Arrays anwenden.
ar1 = [2, 8, 135]
ar2 = [3, 5, 115]
print("The Input array1 is : ", ar1)
print("The Input array2 is : ", ar2)
output_arr = np.bitwise_and(ar1, ar2)
print("The Output array after bitwise_and: ", output_arr)
Die Ausgabe des obigen Codes wäre:
The Input array1 is : [2, 8, 135]
The Input array2 is : [3, 5, 115]
The Output array after bitwise_and: [2 0 3]
Zusammenfassung
In diesem Lab haben wir die bitwise_and()-Funktion der NumPy-Bibliothek behandelt, um eine bitweise AND-Operation auf zwei Werte oder Arrays durchzuführen. Wir haben auch die Syntax und die Parameter der Funktion sowie einige Beispiele kennengelernt.
Zusammenfassung
Herzlichen Glückwunsch! Sie haben das Lab zu den Numpy-Bitweise- und-Funktionen abgeschlossen. Sie können in LabEx weitere Labs ausprobieren, um Ihre Fähigkeiten zu verbessern.