我有一个布尔类型的NumPy数组'boolarr'。我想计算值为True的元素的数量。是否有NumPy或Python例程专门用于此任务?或者，我需要遍历脚本中的元素吗?
当前回答
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，你可以使用sum()来计算列表中的True值:
>>> sum([True,True,True,False,False])
3
但这行不通:
>>> sum([[False, False, True], [True, False, True]])
TypeError...
其他回答
boolarr.sum(axis=1 or axis=0)
Axis = 1将输出一行中的真值个数，Axis = 0将计算列中的真值个数 所以
boolarr[[true,true,true],[false,false,true]]
print(boolarr.sum(axis=1))
将 (3,1)
你有多种选择。以下是两种选择。
boolarr.sum()
numpy.count_nonzero(boolarr)
这里有一个例子:
>>> 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)
>>> boolarr.sum()
5
当然，这是一个特定于boolean的答案。更一般地，可以使用numpy.count_nonzero。
>>> np.count_nonzero(boolarr)
5
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，你可以使用sum()来计算列表中的True值:
>>> sum([True,True,True,False,False])
3
但这行不通:
>>> sum([[False, False, True], [True, False, True]])
TypeError...
对于1D数组，这对我来说是有效的:
import numpy as np
numbers= np.array([3, 1, 5, 2, 5, 1, 1, 5, 1, 4, 2, 1, 4, 5, 3, 4,
5, 2, 4, 2, 6, 6, 3, 6, 2, 3, 5, 6, 5])
numbersGreaterThan2= np.count_nonzero(numbers> 2)
在比较两个numpy数组和计算匹配的数量(例如，机器学习中的正确类预测)方面，我发现下面的二维示例很有用:
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。
结果如下:
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时正确预测数:1
D=2时正确预测数为2
