如何计算NumPy bool数组中真实元素的数量

Question

我有一个布尔类型的NumPy数组'boolarr'.我想计算其值为的元素数量True.是否有专门用于此任务的NumPy或Python例程？或者,我是否需要迭代脚本中的元素？

Answer 1

你有多种选择.以下两个选项.

numpy.sum(boolarr)
numpy.count_nonzero(boolarr)

这是一个例子:

>>> 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)

>>> np.sum(boolarr)
5

当然,这是一个bool特定的答案.更一般地说,你可以使用numpy.count_nonzero.

>>> np.count_nonzero(boolarr)
5

Answer 2

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,您可以使用sum()来计算dict中的True值:

>>> sum([True,True,True,False,False])
3

但这不起作用:

>>> sum([[False, False, True], [True, False, True]])
TypeError...

也许这会对某人有所帮助.

Answer 3

在比较两个 numpy 数组和计算匹配数（例如机器学习中的正确类预测）方面，我发现以下二维示例很有用：

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。

结果是：

预言：

[[1 2]
 [2 0]
 [2 0]
 [1 2]
 [1 2]]

目标：

[[0 1]
 [1 0]
 [2 0]
 [0 0]
 [2 1]]

D=1 的正确预测数： 1

D=2 的正确预测数： 2