通常，当比较两个单个数字时，Python常规代码可以正常工作，但在数组中，有一些数字(不止一个数字)应该并行处理。

例如，让我们假设如下:

a = np.array([1, 2, 3])
b = np.array([2, 3, 4])

你想检查b >= a: ?

因为，a和b不是个位数，你的意思是，如果b的每个元素都大于a中相似的数字，那么你应该使用以下命令:

if (b >= a).all():
 print("b is greater than a!")

如果a和b是布尔NumPy数组，&操作返回它们的元素:

a & b

返回一个布尔数组。要将其减少为一个布尔值，可以使用其中任何一个

(a & b).any()

or

(a & b).all()

注意:如果a和b是非布尔数组，请考虑(a - b).any()或(a - b).all()。

基本原理

NumPy开发人员认为，在布尔上下文中没有一种普遍理解的方法来计算数组:如果任何元素为True，它可能意味着True;如果所有元素都为True，它可能意味着True;如果数组长度非零，它可能意味着True，仅举三种可能性。

由于不同的用户可能有不同的需求和不同的假设，因此 NumPy开发人员拒绝猜测，而是决定在任何时候尝试在布尔上下文中计算数组时引发ValueError。对两个numpy数组应用和会导致这两个数组在布尔上下文中求值(通过在Python3中调用__bool__或在Python2中调用__nonzero__)。

这个类型化的错误消息还显示了当存在数组(例如bool或int类型)时执行if语句比较。请看例子:

... code snippet ...

if dataset == bool:
    ....

... code snippet ...

这个子句有dataset作为数组，bool是euhm的“打开的门”…对或错。

如果函数被包装在try-statement中，你将接收到带有except Exception的错误:没有error-type的消息:

具有多个元素的数组的真值是不明确的。使用a.any()或a.all()

出现异常的原因是and隐式调用bool。首先在左操作数上，然后(如果左操作数为True)在右操作数上。所以x和y等价于bool(x)和bool(y)

但是，numpy上的bool类型。Ndarray(如果它包含多个元素)将抛出你所看到的异常:

>>> import numpy as np
>>> arr = np.array([1, 2, 3])
>>> bool(arr)
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

bool()调用在and中是隐式的，但在if、while和or中也是隐式的，因此以下任何示例也会失败:

>>> arr and arr
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

>>> if arr: pass
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

>>> while arr: pass
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

>>> arr or arr
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

Python中还有更多隐藏bool调用的函数和语句，例如2 < x < 10就是2 < x和x < 10的另一种写法。And将调用bool: bool(2 < x)和bool(x < 10)。

和的元素等效形式是np。Logical_and函数，类似地，您可以使用np。Logical_or等价于或。

对于布尔数组——以及NumPy数组上的<、<=、==、!=、>=和>等比较返回布尔NumPy数组——您还可以使用按元素的位函数(和操作符):np。Bitwise_and(&运算符)

>>> np.logical_and(arr > 1, arr < 3)
array([False,  True, False], dtype=bool)

>>> np.bitwise_and(arr > 1, arr < 3)
array([False,  True, False], dtype=bool)

>>> (arr > 1) & (arr < 3)
array([False,  True, False], dtype=bool)

和bitwise_or(|操作符):

>>> np.logical_or(arr <= 1, arr >= 3)
array([ True, False,  True], dtype=bool)

>>> np.bitwise_or(arr <= 1, arr >= 3)
array([ True, False,  True], dtype=bool)

>>> (arr <= 1) | (arr >= 3)
array([ True, False,  True], dtype=bool)

一个完整的逻辑和二进制函数列表可以在NumPy文档中找到:

“逻辑功能” “二进制操作”

最简单的答案是用“&”而不是“and”。

>>> import numpy as np
>>> arr = np.array([1, 4, 2, 7, 5])
>>> arr[(arr > 3) and (arr < 6)]   # this will fail
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()
>>> arr[(arr > 3) & (arr < 6)]   # this will succeed
array([4, 5])

如果你与熊猫一起工作，为我解决的问题是，当我有NA值时，我试图做计算，解决方案是运行:

Df = Df .dropna()

在那之后，计算失败了。