Nếu bất kỳ giá trị nào trong mảng python

Hàm

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
 Nội dung chính Show
 
bất kỳ () Cú pháp
any() Tham số
any() Giá trị trả về
ví dụ 1. Sử dụng any() trên Danh sách Python
ví dụ 2. Sử dụng any() trên Chuỗi Python
ví dụ 3. Sử dụng any() với Từ điển Python
Mảng là gì?
Giới thiệu nhanh về Numpy Any
Hàm Numpy Any Kiểm tra xem có phần tử nào được đánh giá là đúng không
Cú pháp của Numpy Any
np. bất kỳ cú pháp nào
Các thông số của np. không tí nào
Đầu ra của np. không tí nào
Ví dụ về cách sử dụng Numpy Any
VÍ DỤ 1. sử dụng np. bất kỳ trên mảng 1 chiều
VÍ DỤ 2. Kiểm tra một mảng cho một điều kiện cụ thể
VÍ DỤ 3. sử dụng np. bất kỳ trên mảng 2 chiều
VÍ DỤ 4. áp dụng np. bất kỳ dọc theo trục-0
VÍ DỤ 5. áp dụng np. bất kỳ dọc theo trục-1
Tham gia khóa học của chúng tôi để tìm hiểu thêm về Numpy
 
print(result)

# Output: True

37 trả về

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

38 nếu bất kỳ phần tử nào của một lần lặp là

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

38. Nếu không, nó trả về

any(iterable)

1

Ví dụ

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

---

bất kỳ () Cú pháp

Cú pháp của

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

37 là

any(iterable)

---

any() Tham số

Hàm

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

37 có thể lặp lại (danh sách, chuỗi, từ điển, v.v. ) bằng Python

---

any() Giá trị trả về

Hàm

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

37 trả về giá trị boolean

• boolean_list = ['True', 'False', 'True']
  
  # check if any element is true
  result = any(boolean_list)
  print(result)
  
  # Output: True

  38 nếu ít nhất một phần tử của iterable là true

• any(iterable)

  1 nếu tất cả các phần tử là sai hoặc nếu một lần lặp trống

Giá trị trả về điều kiệnTất cả giá trị là trueTrueTất cả giá trị là falseFalseMột giá trị là true (các giá trị khác là sai)Giá trị TrueOne là false (các giá trị khác là true)TrueEmpty IterableFalse

---

ví dụ 1. Sử dụng any() trên Danh sách Python

# True since 1,3 and 4 (at least one) is true
l = [1, 3, 4, 0]


# False since both are False
l = [0, False]


# True since 5 is true
l = [0, False, 5]


# False since iterable is empty
l = []

đầu ra

True
False
True
False

Phương thức

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

37 hoạt động theo cách tương tự đối với các bộ và tập hợp như danh sách

---

ví dụ 2. Sử dụng any() trên Chuỗi Python

# At east one (in fact all) elements are True
s = "This is good"


# 0 is False
# '0' is True since its a string character
s = '000'
print(any(s))

# False since empty iterable
s = ''

đầu ra

True
True
False

---

ví dụ 3. Sử dụng any() với Từ điển Python

Trong trường hợp của từ điển, nếu tất cả các khóa (không phải giá trị) là sai hoặc từ điển trống, thì

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

37 trả về

any(iterable)

1. Nếu ít nhất một khóa là đúng, thì

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

37 trả về

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

38

Sử dụng toán tử

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

48 để kiểm tra xem danh sách có chứa giá trị Sai hay không, e. g.

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

49. Toán tử

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

48 sẽ trả về

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

38 nếu có ít nhất một giá trị

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

52 trong danh sách

Chúng tôi đã sử dụng toán tử

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

48 để kiểm tra xem một danh sách có chứa bất kỳ giá trị

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

52 nào không

Toán tử in kiểm tra tư cách thành viên. Ví dụ:

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

55 đánh giá thành

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

38 nếu

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

57 là thành viên của

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

490, nếu không, nó đánh giá thành

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

52

Ngoài ra, bạn có thể sử dụng hàm

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

492

Sử dụng hàm

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

492 để kiểm tra xem danh sách có chứa giá trị Sai hay không, e. g.

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

494. Hàm

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

492 sẽ trả về

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

38 nếu danh sách chứa ít nhất một giá trị

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

52

Chúng tôi đã sử dụng biểu thức trình tạo để lặp qua danh sách

Biểu thức trình tạo được sử dụng để thực hiện một số thao tác cho mọi phần tử hoặc chọn một tập hợp con các phần tử đáp ứng một điều kiện

Trên mỗi lần lặp, chúng tôi kiểm tra xem mục danh sách hiện tại có bằng

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

52 không

Hàm any lấy một iterable làm đối số và trả về

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

38 nếu bất kỳ phần tử nào trong iterable là đúng

Nếu hàm

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

492 gặp giá trị

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

52, nó sẽ đoản mạch trả về

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

38

Nếu iterable trống hoặc không có phần tử nào trong iterable là true, hàm

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

483 trả về

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

52

Không có mục nào trong danh sách bằng với

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

52, vì vậy điều kiện không bao giờ được đáp ứng và khối

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

486 sẽ chạy

Ghi chú. Trang này chỉ cho bạn cách sử dụng DANH SÁCH làm ARRAYS, tuy nhiên, để làm việc với mảng trong Python, bạn sẽ phải nhập một thư viện, chẳng hạn như thư viện NumPy

Mảng được sử dụng để lưu trữ nhiều giá trị trong một biến duy nhất

Ví dụ

Tạo một mảng chứa tên ô tô

ô tô = ["Ford", "Volvo", "BMW"]

Tự mình thử »

---

Mảng là gì?

Mảng là một biến đặc biệt, có thể chứa nhiều hơn một giá trị tại một thời điểm

Nếu bạn có một danh sách các mục (ví dụ: danh sách tên ô tô), việc lưu trữ ô tô trong các biến đơn lẻ có thể trông như thế này

car1 = "Ford"
car2 = "Volvo"
car3 = "BMW"

Tuy nhiên, nếu bạn muốn đi vòng qua các ô tô và tìm một ô tô cụ thể thì sao?

Giải pháp là một mảng

Một mảng có thể chứa nhiều giá trị dưới một tên duy nhất và bạn có thể truy cập các giá trị bằng cách tham chiếu đến một số chỉ mục

Tôi sẽ giải thích chức năng của hàm này, cách thức hoạt động của cú pháp và tôi sẽ chỉ cho bạn các ví dụ rõ ràng, từng bước về cách sử dụng hàm này

Nếu bạn cần một cái gì đó cụ thể, chỉ cần nhấp vào bất kỳ liên kết nào sau đây. Liên kết sẽ đưa bạn đến phần hướng dẫn cụ thể đó

Mục lục

• Giới thiệu
• cú pháp
• ví dụ

Như đã nói, nếu bạn thực sự muốn hiểu chức năng này hoạt động như thế nào hoặc nếu bạn là người mới sử dụng Numpy, tôi khuyên bạn nên đọc toàn bộ hướng dẫn

Giới thiệu nhanh về Numpy Any

Đầu tiên, hãy bắt đầu với một cái nhìn tổng quan nhanh về chức năng của Numpy any.

Về cơ bản, hàm bất kỳ của Numpy kiểm tra một mảng Numpy và đánh giá xem có phần tử nào là

np.any([False, True, True])

9 không

Phải nói rằng, có một chút sắc thái đối với chức năng này và cách thức hoạt động của nó

Hãy cùng điểm qua một vài điều để bạn có thể hiểu rõ hơn

Đánh giá nhanh về mảng Numpy

Đầu tiên, hãy nhanh chóng xem lại các mảng Numpy

Mặc dù bạn có thể biết một chút về mảng, nhưng có một vài chi tiết quan trọng về mảng Numpy có liên quan đến hàm

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

00

Ở cấp độ cao, một mảng Numpy chỉ là một cấu trúc dữ liệu mà chúng ta sử dụng để lưu trữ dữ liệu trong Python

Mảng Numpy có cấu trúc đường lưới với các hàng và cột

Thông thường, mảng Numpy chứa dữ liệu số. Ví dụ: chúng tôi hầu như luôn sử dụng mảng Numpy để lưu trữ và thao tác với Python

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

01 và

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

02

Nhưng trong một số trường hợp đặc biệt, chúng ta có thể tạo các mảng Numpy có dữ liệu boolean. Vì vậy, đôi khi chúng ta có mảng Numpy với giá trị

np.any([False, True, True])

9/

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

04

Điều quan trọng là bạn hiểu những chi tiết này về cấu trúc mảng Numpy và kiểu dữ liệu Numpy, bởi vì (như bạn sẽ thấy), chúng ảnh hưởng đến cách thức hoạt động của hàm Numpy

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

05 trong một số trường hợp nhất định

Mảng Numpy có trục

Tiếp theo, hãy xem nhanh các trục Numpy

Mảng Numpy có cái mà chúng ta gọi là “trục. ”

Cách tốt nhất để nghĩ về các trục là các trục giống như các hướng dọc theo một mảng Numpy. Chỉ một không gian tọa độ Cartesian có trục x và trục y xác định hướng trong không gian, mảng Numpy cũng có các trục xác định hướng dọc theo mảng

Giờ đây, mảng 1 chiều là một trường hợp đặc biệt, ở chỗ chúng chỉ có một trục duy nhất… axis-0. Đối với mảng 1D, trục-0 chỉ theo chiều ngang dọc theo các phần tử

Mảng 2 chiều và mảng nhiều chiều khác nhau một chút

Đối với mảng 2D, trục-0 hướng xuống dưới và trục-1 hướng theo chiều ngang

Điều này rất quan trọng để hiểu, bởi vì chúng ta có thể sử dụng hàm

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

06 để thực hiện các bài kiểm tra logic theo các hướng cụ thể. Nghĩa là, chúng ta có thể kiểm tra dữ liệu Numpy theo hướng dọc theo các hàng và cột

Tôi sẽ giải thích điều này nhiều hơn trong phần cú pháp và cho bạn thấy ví dụ trong phần ví dụ

Điều này có liên quan, bởi vì khi chúng tôi sử dụng

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

06, chúng tôi có thể sử dụng tham số

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

08, điều này sẽ khiến chức năng hoạt động theo hướng này hay hướng khác. Tôi sẽ chỉ cho bạn cách nó hoạt động trong phần cú pháp và cho bạn xem các ví dụ trong phần ví dụ

Hàm Numpy Any Kiểm tra xem có phần tử nào được đánh giá là đúng không

Bây giờ chúng ta đã xem xét một số chi tiết quan trọng về mảng Numpy, hãy quay lại hàm bất kỳ của Numpy

Nếu bạn sử dụng

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

06 trên một mảng có giá trị boolean, hàm sẽ kiểm tra xem có phần tử nào là

np.any([False, True, True])

9 không

Ngoài ra, bạn có thể chuyển vào câu lệnh điều kiện hoạt động trên mảng Numpy. Ví dụ: nếu bạn có một mảng Numpy với dữ liệu số có tên là

any(iterable)

11, bạn có thể sử dụng một câu lệnh có điều kiện như

any(iterable)

12 để kiểm tra xem có bất kỳ giá trị nào đáp ứng điều kiện cụ thể đó không

Khi bạn đi thẳng vào nó, np. bất kỳ hàm nào kiểm tra xem có bất kỳ phần tử nào của mảng Numpy đáp ứng một số điều kiện hoặc đánh giá là

np.any([False, True, True])

9

Tuy nhiên, hàm có thể thay đổi hành vi một chút tùy thuộc vào chính xác cách chúng ta nhập cú pháp

Trong trường hợp đó, hãy xem cú pháp

Cú pháp của Numpy Any

Trong phần này, chúng ta sẽ xem xét cú pháp của hàm Numpy

any(iterable)

14

Tôi sẽ giải thích cách thức hoạt động của cú pháp nói chung, nhưng tôi cũng sẽ giải thích một số tham số cụ thể

Một lưu ý nhanh

Tôi cần đề cập đến một điều trước khi chúng ta xem xét chính chức năng đó

Cách bạn nhập Numpy sẽ ảnh hưởng đến hình thức chính xác của cú pháp

Điều đó nói rằng, quy ước chung giữa các lập trình viên Python là nhập Numpy với bí danh

any(iterable)

15

Bạn có thể làm điều đó bằng cách chạy đoạn mã sau

any(iterable)

6

Khi bạn nhập Numpy với bí danh

any(iterable)

15, bạn sẽ có thể gọi các hàm Numpy với tiền tố là

any(iterable)

15 (bạn sẽ thấy ngay sau đây)

np. bất kỳ cú pháp nào

Vâng. Hãy nhìn vào cú pháp thực tế

Để gọi hàm, bạn chỉ cần gõ tên hàm là

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

06. Như tôi vừa đề cập, điều này giả định rằng bạn đã nhập Numpy với bí danh

any(iterable)

15

Sau đó, bên trong dấu ngoặc đơn, có một số đối số và tham số cho phép chúng tôi kiểm soát hoạt động chính xác của hàm

Các thông số của np. không tí nào

các np. bất kỳ hàm nào cũng có một vài tham số và đối số kiểm soát hành vi của nó

• any(iterable)

  10

• boolean_list = ['True', 'False', 'True']
  
  # check if any element is true
  result = any(boolean_list)
  print(result)
  
  # Output: True

  08

• any(iterable)

  12

• any(iterable)

  13

Chúng ta hãy xem xét từng cái một

any(iterable)

10 (bắt buộc)

Như tôi đã đề cập, đối số đầu tiên của hàm là mảng đầu vào mà bạn muốn thao tác trên đó, ở đây tôi gọi là

any(iterable)

10 (trong tài liệu chính thức, họ gọi đây là

any(iterable)

16)

Đối tượng mà bạn chuyển vào làm đối số này có thể có nhiều dạng. Bạn có thể cung cấp một mảng Numpy thích hợp, bao gồm mảng 1D, 2D hoặc n chiều

Hàm này cũng sẽ chấp nhận các đối tượng "giống như mảng", chẳng hạn như danh sách Python hoặc bộ dữ liệu Python

Dù bằng cách nào, hãy lưu ý rằng bạn cần cung cấp một cái gì đó. Một đầu vào là bắt buộc

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

08 (tùy chọn)

Tham số trục cho phép bạn chỉ định hướng theo đó chức năng sẽ hoạt động

Nhớ lại rằng trước đó, trong phần Giới thiệu, tôi đã đề cập rằng mảng Numpy có trục. Các trục giống như các hướng dọc theo mảng Numpy

Bằng cách sử dụng tham số

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

08 khi gọi hàm này, chúng ta có thể khiến nó hoạt động theo một trong các hướng đó

Thực tế, tham số

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

08 cho phép chúng ta sử dụng hàm dọc theo hàng hoặc cột

Vì vậy, ví dụ: nếu bạn có mảng 2D và bạn đặt

# True since 1,3 and 4 (at least one) is true
l = [1, 3, 4, 0]


# False since both are False
l = [0, False]


# True since 5 is true
l = [0, False, 5]


# False since iterable is empty
l = []

10, hàm sẽ hoạt động hướng xuống dọc theo trục-0. Điều này áp dụng hiệu quả chức năng xuống các cột

Và nếu bạn có mảng 2D và bạn đặt

# True since 1,3 and 4 (at least one) is true
l = [1, 3, 4, 0]


# False since both are False
l = [0, False]


# True since 5 is true
l = [0, False, 5]


# False since iterable is empty
l = []

11, hàm sẽ hoạt động theo chiều ngang dọc theo trục-1. Điều này áp dụng hiệu quả chức năng trên các hàng

Tôi sẽ chỉ cho bạn các ví dụ rõ ràng về điều này trong phần ví dụ để giúp bạn hiểu

Ngoài ra, nếu bạn muốn tìm hiểu thêm về trục Numpy, bạn nên đọc hướng dẫn của chúng tôi giải thích về trục Numpy

any(iterable)

12 (tùy chọn)

Tham số

any(iterable)

12 cho phép bạn chỉ định một mảng cụ thể để đặt đầu ra

Thông số này hơi ít dùng nên chúng ta sẽ không bàn nhiều

any(iterable)

13 (tùy chọn)

Khi bạn sử dụng tham số

any(iterable)

13, bạn có thể buộc hàm “giữ” số thứ nguyên ban đầu ở đầu ra giống như trong mảng đầu vào

Về cơ bản, khi bạn đặt

# True since 1,3 and 4 (at least one) is true
l = [1, 3, 4, 0]


# False since both are False
l = [0, False]


# True since 5 is true
l = [0, False, 5]


# False since iterable is empty
l = []

16, đầu ra sẽ có cùng số thứ nguyên với đầu vào

Đầu ra của np. không tí nào

Theo mặc định,

any(iterable)

14 trả về một giá trị logic

np.any([False, True, True])

9 hoặc

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

04 cho biết liệu có bất kỳ giá trị nào của đầu vào là

np.any([False, True, True])

9 hoặc đáp ứng điều kiện đã chỉ định hay không

Tuy nhiên, cũng có một số trường hợp hàm

any(iterable)

14 sẽ xuất ra một giá trị boolean

True
False
True
False

32 thay thế. Đặc biệt, hàm

True
False
True
False

33 có khả năng xuất ra một mảng các giá trị boolean khi bạn sử dụng tham số

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

08. Tôi sẽ chỉ cho bạn một số ví dụ về điều này, để bạn có thể thấy điều này xảy ra như thế nào và tại sao

Vâng. Sau khi đã giải thích cú pháp và các tham số, hãy xem xét một số ví dụ từng bước

Ví dụ về cách sử dụng Numpy Any

Trong phần này, tôi sẽ chỉ cho bạn một vài ví dụ rõ ràng về cách sử dụng hàm

any(iterable)

14

Nếu bạn cần một cái gì đó cụ thể, bạn có thể nhấp vào liên kết thích hợp và nó sẽ đưa bạn đến ví dụ đó

ví dụ

• sử dụng np. bất kỳ trên mảng 1 chiều
• Kiểm tra một mảng cho một điều kiện cụ thể
• sử dụng np. bất kỳ trên mảng 2 chiều
• áp dụng np. bất kỳ dọc theo trục-0
• áp dụng np. bất kỳ dọc theo trục-1

Chạy mã này trước

Trước khi bạn bắt đầu chạy các ví dụ, có một điều bạn cần làm

Như tôi đã đề cập trước đây trong phần cú pháp, để sử dụng các hàm Numpy, trước tiên bạn cần nhập Numpy

Chúng tôi thường nhập Numpy với bí danh

any(iterable)

15, bạn có thể thực hiện thao tác này với đoạn mã sau

any(iterable)

6

Khi bạn làm điều đó, bạn sẽ sẵn sàng chạy các ví dụ này

VÍ DỤ 1. sử dụng np. bất kỳ trên mảng 1 chiều

Trước tiên, chúng ta sẽ bắt đầu bằng cách áp dụng

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

00 cho đối tượng "giống như mảng" 1 chiều

Về mặt kỹ thuật, chúng tôi sẽ sử dụng danh sách Python vì mục đích rõ ràng. Khi tôi cho bạn xem một ví dụ như thế này, bạn sẽ dễ dàng xem trực tiếp những gì đang diễn ra hơn nếu tôi sử dụng danh sách Python

Phải nói rằng, đoạn mã sau sẽ hoạt động gần như chính xác theo cách tương tự nếu chúng ta sử dụng một mảng Numpy thích hợp thay vì danh sách

Ok, chúng ta hãy xem

Ở đây, chúng ta sẽ gọi hàm với danh sách 3 giá trị boolean làm đầu vào

np.any([False, True, True])

NGOÀI

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

0Giải thích

Vậy chuyện gì đã xảy ra ở đây?

Hàm Numpy

any(iterable)

14 đánh giá xem có phần tử đầu vào nào là

np.any([False, True, True])

9 không

Trong trường hợp này, danh sách đầu vào có các giá trị

# At east one (in fact all) elements are True
s = "This is good"


# 0 is False
# '0' is True since its a string character
s = '000'
print(any(s))

# False since empty iterable
s = ''

40

Mặc dù một trong các giá trị là

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

04, hai giá trị khác là

np.any([False, True, True])

9

Nhớ. hàm này sẽ trả về

np.any([False, True, True])

9 nếu bất kỳ đầu vào nào là đúng

Trong trường hợp này, vì đầu vào có ít nhất một giá trị

np.any([False, True, True])

9, nên hàm trả về

np.any([False, True, True])

9 làm đầu ra

Một phiên bản thay thế

Như tôi đã đề cập trước đây, chúng ta cũng có thể chạy cái này thay vì một mảng Numpy thích hợp thay vì một danh sách

Bạn có thể thử nó với mã này

any(iterable)

1

VÍ DỤ 2. Kiểm tra một mảng cho một điều kiện cụ thể

Tiếp theo, hãy sử dụng hàm Numpy

any(iterable)

14 để kiểm tra một điều kiện cụ thể

Để làm điều này, chúng ta sẽ sử dụng phép toán so sánh làm đầu vào cho hàm, thay vì một mảng Numpy đơn giản

Tôi sẽ giải thích lý do tại sao điều này hoạt động chỉ trong một giây

Tạo mảng

Đầu tiên, chúng ta sẽ tạo một mảng Numpy với một số giá trị số nguyên

any(iterable)

1

Hãy nhanh chóng in nó ra, để bạn có thể xem nội dung

# True since 1,3 and 4 (at least one) is true
l = [1, 3, 4, 0]


# False since both are False
l = [0, False]


# True since 5 is true
l = [0, False, 5]


# False since iterable is empty
l = []

1

NGOÀI

True
False
True
False

3

Như bạn có thể thấy,

# At east one (in fact all) elements are True
s = "This is good"


# 0 is False
# '0' is True since its a string character
s = '000'
print(any(s))

# False since empty iterable
s = ''

47 là một mảng Numpy 1D có ba số nguyên

Chạy chức năng

Bây giờ chúng ta đã có mảng của mình, chúng ta sẽ sử dụng hàm

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

06 để kiểm tra xem phép toán so sánh có đúng với bất kỳ phần tử nào của mảng không

Cụ thể, chúng tôi sẽ kiểm tra xem có bất kỳ giá trị nào lớn hơn 2 không

# At east one (in fact all) elements are True
s = "This is good"


# 0 is False
# '0' is True since its a string character
s = '000'
print(any(s))

# False since empty iterable
s = ''

4

NGOÀI

True
True
False

8Giải thích

Vì vậy, những gì đã xảy ra ở đây và tại sao điều này làm việc?

Ở đây, thay vì nhập một mảng Numpy với các giá trị

np.any([False, True, True])

9 hoặc

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

04, chúng tôi đã nhập một phép so sánh thay thế. Cụ thể, chúng tôi đã kiểm tra xem có bất kỳ giá trị nào trong mảng lớn hơn 2 hay không bằng cú pháp đầu vào

True
True
False

81

Hàm trả về

np.any([False, True, True])

9 và có lẽ rõ ràng là nó đã làm như vậy vì một trong các giá trị lớn hơn 2 (giá trị 5 và 7 đều lớn hơn 2)

Nhưng về mặt kỹ thuật, tại sao nó hoạt động và tại sao điều này lại khả thi?

Hãy xem đầu vào của chức năng

Đầu vào của hàm là một phép toán so sánh.

True
True
False

81

# At east one (in fact all) elements are True
s = "This is good"


# 0 is False
# '0' is True since its a string character
s = '000'
print(any(s))

# False since empty iterable
s = ''

47 là một mảng Numpy

Khi chúng ta sử dụng thao tác so sánh trên một mảng Numpy, đầu ra thực sự là một mảng Numpy với các giá trị boolean

Để thấy điều này, hãy chạy đoạn mã sau

any(iterable)

60

NGOÀI

any(iterable)

61

Bạn có thấy điều đó không?

Khi Python chạy mã

True
True
False

81, nó tạo ra một mảng có giá trị

np.any([False, True, True])

9 hoặc

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)




print(result)
# Output: True

04

Trong trường hợp này, mảng Numpy boolean đó thực sự đóng vai trò là đầu vào của hàm, khi chúng ta chạy mã

True
True
False

88

Từ đó, hàm Numpy any kiểm tra xem có bất kỳ giá trị nào là

np.any([False, True, True])

9 không. Trong trường hợp này, một trong các giá trị là đúng cho đầu ra so sánh, vì vậy Numpy

any(iterable)

14 trả về

np.any([False, True, True])

9

VÍ DỤ 3. sử dụng np. bất kỳ trên mảng 2 chiều

Trong ví dụ này, bây giờ chúng ta sẽ sử dụng

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

06 trên mảng Numpy 2 chiều

Điều này tương tự như ví dụ 2, nhưng ở đây, chúng tôi đang sử dụng mảng 2D thay vì mảng 1D

Tạo mảng

Đầu tiên, chúng ta sẽ tạo mảng 2D của mình

Để làm điều này, chúng ta sẽ sử dụng hàm Numpy arange để tạo một mảng Numpy 1D chứa một dãy số

Sau khi sử dụng Numpy arange, chúng ta sẽ sử dụng phương thức Numpy reshape để định hình lại mảng 1D thành mảng 2D

any(iterable)

62

Chúng ta có thể in nó ra để xem nội dung

any(iterable)

63

NGOÀI

any(iterable)

64

Vì vậy,

any(iterable)

603 chứa các số nguyên từ 1 đến 6, được sắp xếp thành một mảng 2D có 2 hàng và 3 cột

sử dụng chức năng

Tiếp theo, hãy sử dụng hàm Numpy

any(iterable)

14 để kiểm tra xem một điều kiện có áp dụng cho bất kỳ giá trị nào của mảng không

any(iterable)

65

NGOÀI

True
True
False

8Giải thích

Ở đây, đầu ra là

np.any([False, True, True])

9, và nếu bạn đang theo dõi, thì rõ ràng là tại sao

Như chúng ta đã thấy trong ví dụ 2, chúng ta thực sự có thể sử dụng phép toán so sánh làm đầu vào cho hàm, thay vì chỉ một mảng Numpy

Khi chúng ta làm điều đó, hàm Numpy

any(iterable)

14 sẽ kiểm tra xem điều kiện có đúng với bất kỳ giá trị nào không

Trong trường hợp này, một số giá trị của

any(iterable)

603 lớn hơn 2

Để thấy điều này, bạn có thể tự chạy thao tác so sánh

any(iterable)

67

NGOÀI

any(iterable)

68

Vì vậy, hoạt động so sánh,

any(iterable)

608, tạo ra một mảng Numpy gồm các giá trị

np.any([False, True, True])

9/

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

04 cho biết nếu giá trị tương ứng của

any(iterable)

603 lớn hơn 2

Mảng boolean này sau đó đóng vai trò là đầu vào cho hàm. Sau đó, Numpy

any(iterable)

14 sẽ kiểm tra xem có bất kỳ đầu vào nào là Đúng hay không và trả về một đầu ra

Trong trường hợp này, một số kết quả của thao tác so sánh là

np.any([False, True, True])

9, vì vậy hàm cuối cùng đã trả về

np.any([False, True, True])

9

VÍ DỤ 4. áp dụng np. bất kỳ dọc theo trục-0

Trong ví dụ này, tôi sẽ chỉ cho bạn cách sử dụng Numpy bất kỳ hướng xuống dọc theo các cột. Theo nghĩa đen, chúng tôi sẽ kiểm tra xem một điều kiện có đúng với các giá trị trong cột không

Để làm điều này, chúng tôi sẽ sử dụng tham số

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

08

Tạo mảng

Đầu tiên, chúng ta sẽ tạo một mảng 2D Numpy

Mảng này,

any(iterable)

603, có các giá trị từ 1 đến 6 được sắp xếp thành hình 2 chiều với 2 hàng và 3 cột

(Đây chính là mảng mà chúng ta đã tạo ở ví dụ 3 nên nếu bạn đã tạo ở đó thì không cần phải tạo lại. )

any(iterable)

62

Hãy in nó ra để xem nội dung

any(iterable)

63

NGOÀI

any(iterable)

64Sử dụng chức năng

Tiếp theo, chúng ta sẽ sử dụng phép toán so sánh và kiểm tra phép toán đó đúng với bất kỳ cột nào của mảng

Cụ thể, chúng tôi sẽ kiểm tra xem có bất kỳ giá trị nào lớn hơn 2 không, theo hướng trục 0

np.any([False, True, True])

2

NGOÀI

np.any([False, True, True])

3Giải thích

Vậy chuyện gì đã xảy ra ở đây?

Trong mã này, hàm

True
False
True
False

33 đã kiểm tra xem thao tác so sánh có đúng với bất kỳ cột nào không (i. e. , dọc theo hướng trục-0)

Nhớ. đối với mảng 2D, trục-0 hướng xuống dưới

Nói như vậy, nếu chúng ta sử dụng hàm có tham số

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

08 được đặt thành

# True since 1,3 and 4 (at least one) is true
l = [1, 3, 4, 0]


# False since both are False
l = [0, False]


# True since 5 is true
l = [0, False, 5]


# False since iterable is empty
l = []

10, hàm sẽ kiểm tra xem phép toán so sánh có đúng với bất kỳ phần tử nào không, theo hướng đó

Trên thực tế, việc sử dụng hàm

any(iterable)

14 với

# True since 1,3 and 4 (at least one) is true
l = [1, 3, 4, 0]


# False since both are False
l = [0, False]


# True since 5 is true
l = [0, False, 5]


# False since iterable is empty
l = []

10 giống như chạy hàm dọc theo từng cột riêng lẻ

VÍ DỤ 5. áp dụng np. bất kỳ dọc theo trục-1

Trong ví dụ cuối cùng này, chúng tôi sẽ sử dụng Numpy bất kỳ theo hướng trục-1

Về cơ bản, sẽ áp dụng chức năng cho từng hàng

Tạo mảng

Đầu tiên, chúng ta sẽ tạo một mảng 2D Numpy

(Đây là cùng một mảng mà chúng ta đã tạo trong ví dụ 3 và ví dụ 4. Nếu bạn đã tạo nó cho những ví dụ đó, bạn không cần phải tạo lại nó. )

any(iterable)

62

Và chúng ta có thể in nó ra

any(iterable)

63

NGOÀI

any(iterable)

64

Như bạn có thể thấy,

any(iterable)

603 có các số nguyên từ 1 đến 6 được sắp xếp thành hình 2 chiều

sử dụng chức năng

Bây giờ, chúng tôi sẽ kiểm tra thao tác so sánh các giá trị của mảng, nhưng chúng tôi sẽ thực hiện việc này theo hướng trục-1

Thao tác này sẽ áp dụng hàm cho từng hàng và kiểm tra xem có bất kỳ giá trị nào trong mỗi hàng lớn hơn 2 không

np.any([False, True, True])

7

NGOÀI

np.any([False, True, True])

8Giải thích

Ở đây hàm đã test thao tác so sánh theo hướng trục-1

Như tôi đã đề cập trước đó trong phần Giới thiệu, đối với mảng 2D, trục-1 chỉ theo chiều ngang

Trong trường hợp đó, khi chúng tôi sử dụng Numpy

any(iterable)

14 với thao tác so sánh và đặt

# True since 1,3 and 4 (at least one) is true
l = [1, 3, 4, 0]


# False since both are False
l = [0, False]


# True since 5 is true
l = [0, False, 5]


# False since iterable is empty
l = []

11, hàm sẽ kiểm tra xem thao tác so sánh có phải là

np.any([False, True, True])

9 cho bất kỳ phần tử nào không, theo hướng trục-1

Khi chúng tôi làm điều này, nó giống như chạy

boolean_list = ['True', 'False', 'True']

# check if any element is true
result = any(boolean_list)
print(result)

# Output: True

06 trên mỗi hàng của đầu vào

Để lại câu hỏi khác của bạn trong các ý kiến ​​​​dưới đây

Bạn có câu hỏi nào khác về Numpy không?

Nếu bạn làm như vậy, chỉ cần để lại câu hỏi của bạn trong phần bình luận gần cuối trang

Tham gia khóa học của chúng tôi để tìm hiểu thêm về Numpy

Bạn có muốn nâng cao kỹ năng của mình với Numpy không?

Hướng dẫn này sẽ cho bạn biết cách sử dụng một hàm Numpy… hàm Numpy

any(iterable)

14

Nhưng nếu bạn thực sự muốn làm chủ việc sắp xếp dữ liệu bằng dữ liệu số, thì còn rất nhiều điều cần học. Có rất nhiều chức năng Numpy khác

Điều đó nói rằng, nếu bạn đã sẵn sàng để thành thạo Numpy, bạn nên tham gia khóa học cao cấp của chúng tôi, Numpy Mastery

Trong khóa học này, bạn sẽ học mọi thứ bạn cần biết về Numpy

• Cách tạo mảng Numpy
• Chức năng “Numpy random seed” làm gì
• Cách sử dụng các hàm ngẫu nhiên Numpy
• Cách tính số liệu thống kê trên mảng Numpy, như giá trị trung bình, trung bình và tối đa
• Trục Numpy là gì và cách sử dụng chúng
• Cách định hình lại, tách và kết hợp các mảng Numpy của bạn
• và nhiều hơn nữa …

Khi bạn tham gia khóa học, bạn cũng sẽ có quyền truy cập vào hệ thống thực hành độc đáo của chúng tôi

Hệ thống này sẽ chỉ cho bạn cách thực hành tất cả các cú pháp bạn học. Và cuối cùng nó sẽ cho phép bạn ghi nhớ tất cả những điều này

Nếu bạn tham gia khóa học này và thực hành như chúng tôi chỉ cho bạn, bạn sẽ có thể viết mã Numpy trôi chảy, chính xác và 100% từ bộ nhớ