Практическое применение побитового ИЛИ в NumPy

NumPyNumPyBeginner
Практиковаться сейчас

💡 Этот учебник переведен с английского с помощью ИИ. Чтобы просмотреть оригинал, вы можете перейти на английский оригинал

Введение

В этом руководстве вы узнаете о функции bitwise_or() библиотеки NumPy. Эта функция используется для выполнения побитового операции ИЛИ. Мы рассмотрим ее базовый синтаксис, параметры и приведем несколько примеров кода.

Советы по работе с ВМ

После запуска ВМ нажмите в левом верхнем углу, чтобы переключиться на вкладку Notebook и получить доступ к Jupyter Notebook для практики.

Иногда вам может потребоваться подождать несколько секунд, пока Jupyter Notebook не загрузится полностью. Валидация операций не может быть автоматизирована из-за ограничений Jupyter Notebook.

Если вы сталкиваетесь с проблемами при обучении, не стесняйтесь обращаться к Labby. Оставьте отзыв после занятия, и мы оперативно решим проблему для вас.

Импорт библиотеки

Во - первых, нам нужно импортировать библиотеку NumPy:

import numpy as np

Использование функции bitwise_or() с двумя скалярными значениями

Теперь давайте рассмотрим использование функции bitwise_or() с двумя скалярными значениями.

num1 = 15
num2 = 20

output = np.bitwise_or(num1, num2)

print("The bitwise OR of 15 and 20 is:", output)

Результат:

The bitwise OR of 15 and 20 is: 31

В этом примере мы использовали функцию bitwise_or() для выполнения операции ИЛИ над двумя скалярными значениями num1 и num2.

Использование функции bitwise_or() с двумя массивами

Теперь давайте используем функцию bitwise_or() с двумя массивами:

ar1 = np.array([2, 8, 135])
ar2 = np.array([3, 5, 115])

output_arr = np.bitwise_or(ar1, ar2)

print("The output array after bitwise_or:", output_arr)

Результат:

The output array after bitwise_or: [  3  13 247]

В этом примере мы использовали функцию bitwise_or() для выполнения операции ИЛИ над двумя массивами ar1 и ar2, и результат хранится в массиве output_arr.

Использование параметра where

Вы также можете использовать параметр where, чтобы указать условие, которое распространяется на входные данные:

x = np.array([1, 3, 5, 7])
y = np.array([8, 6, 4, 2])

output = np.bitwise_or(x, y, where=[True, False, True, False])

print("The output after bitwise_or operation:", output)

Результат:

The output after bitwise_or operation: [ 8  3  5  2]

В этом примере мы использовали параметр where, чтобы выполнить операцию ИЛИ над конкретными входными значениями в соответствии с указанным булевым условием.

Использование параметра dtype

Вы также можете использовать параметр dtype, чтобы указать тип данных выходных значений:

x = np.array([1, 3, 5, 7], dtype=np.int32)
y = np.array([8, 6, 4, 2], dtype=np.uint8)

output = np.bitwise_or(x, y, dtype=np.int64)

print("The output after bitwise_or operation:", output)

Результат:

The output after bitwise_or operation: [ 8  7  5  7]

В этом примере мы использовали параметр dtype, чтобы указать тип данных массива - результата.

Резюме

В этом уроке мы узнали о функции bitwise_or() библиотеки NumPy. Мы объяснили ее базовый синтаксис и параметры, включая x1, x2, out, where, casting, order, dtype, subok, signature и extobj. Затем мы предоставили несколько примеров кода, чтобы проиллюстрировать использование функции.