Nếu bất kỳ giá trị nào trong mảng python
Hàm 37 trả về 38 nếu bất kỳ phần tử nào của một lần lặp là 38. Nếu không, nó trả về any(iterable)1 Ví dụ
bất kỳ () Cú phápCú pháp của 37 làany(iterable) any() Tham sốHàm 37 có thể lặp lại (danh sách, chuỗi, từ điển, v.v. ) bằng Pythonany() Giá trị trả vềHàm 37 trả về giá trị boolean
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
đầu ra True False True False Phương thức 37 hoạt động theo cách tương tự đối với các bộ và tập hợp như danh sáchví dụ 2. Sử dụng any() trên Chuỗi Python
đầu ra True True False ví dụ 3. Sử dụng any() với Từ điển PythonTrong trường hợp của từ điển, nếu tất cả các khóa (không phải giá trị) là sai hoặc từ điển trống, thì 37 trả về any(iterable)1. Nếu ít nhất một khóa là đúng, thì 37 trả về 38 Sử dụng toán tử 48 để kiểm tra xem danh sách có chứa giá trị Sai hay không, e. g. 49. Toán tử 48 sẽ trả về 38 nếu có ít nhất một giá trị 52 trong danh sáchChúng tôi đã sử dụng toán tử 48 để kiểm tra xem một danh sách có chứa bất kỳ giá trị 52 nào khôngToán tử in kiểm tra tư cách thành viên. Ví dụ: 55 đánh giá thành 38 nếu 57 là thành viên của 490, nếu không, nó đánh giá thành 52Ngoài ra, bạn có thể sử dụng hàm 492Sử dụng hàm 492 để kiểm tra xem danh sách có chứa giá trị Sai hay không, e. g. 494. Hàm 492 sẽ trả về 38 nếu danh sách chứa ít nhất một giá trị 52Chúng 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 52 khôngHàm any lấy một iterable làm đối số và trả về 38 nếu bất kỳ phần tử nào trong iterable là đúngNếu hàm 492 gặp giá trị 52, nó sẽ đoản mạch trả về 38Nếu iterable trống hoặc không có phần tử nào trong iterable là true, hàm 483 trả về 52Không có mục nào trong danh sách bằng với 52, vì vậy điều kiện không bao giờ được đáp ứng và khối 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 dụTạo 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" 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
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 AnyĐầu 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 NumpyĐầu 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 00Ở 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 01 và 02Nhưng 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/ 04Điều 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 05 trong một số trường hợp nhất địnhMảng Numpy có trụcTiếp 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 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 cộtTôi 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 06, chúng tôi có thể sử dụng tham số 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 dụHàm Numpy Any Kiểm tra xem có phần tử nào được đánh giá là đúng khôngBây 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 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 AnyTrong 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 nhanhTôi 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 nàoVâng. Hãy nhìn vào cú pháp thực tế Để gọi hàm, bạn chỉ cần gõ tên hàm là 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 nàocác np. bất kỳ hàm nào cũng có một vài tham số và đối số kiểm soát hành vi của nó
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 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 08 khi gọi hàm này, chúng ta có thể khiến nó hoạt động theo một trong các hướng đóThực tế, tham số 08 cho phép chúng ta sử dụng hàm dọc theo hàng hoặc cộtVì vậy, ví dụ: nếu bạn có mảng 2D và bạn đặt 10, hàm sẽ hoạt động hướng xuống dọc theo trục-0. Điều này áp dụng hiệu quả chức năng xuống các cộtVà nếu bạn có mảng 2D và bạn đặt 11, hàm sẽ hoạt động theo chiều ngang dọc theo trục-1. Điều này áp dụng hiệu quả chức năng trên các hàngTôi 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 16, đầu ra sẽ có cùng số thứ nguyên với đầu vàoĐầu ra của np. không tí nàoTheo mặc định, any(iterable)14 trả về một giá trị logic np.any([False, True, True])9 hoặc 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 False32 thay thế. Đặc biệt, hàm True False True False33 có khả năng xuất ra một mảng các giá trị boolean khi bạn sử dụng tham số 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 saoVâng. 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 AnyTrong 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
Chạy mã này trướcTrước 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 chiềuTrước tiên, chúng ta sẽ bắt đầu bằng cách áp dụng 00 cho đối tượng "giống như mảng" 1 chiềuVề 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 0Giải thíchVậy 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 40Mặc dù một trong các giá trị là 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 raMột 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 thểTiếp 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 mảngĐầu 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 1NGOÀI True False True False3 Như bạn có thể thấy, 47 là một mảng Numpy 1D có ba số nguyênChạy chức năngBây giờ chúng ta đã có mảng của mình, chúng ta sẽ sử dụng hàm 06 để kiểm tra xem phép toán so sánh có đúng với bất kỳ phần tử nào của mảng khôngCụ thể, chúng tôi sẽ kiểm tra xem có bất kỳ giá trị nào lớn hơn 2 không 4NGOÀI True True False8Giải 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 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 False81 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 False81 47 là một mảng NumpyKhi 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 False81, nó tạo ra một mảng có giá trị np.any([False, True, True])9 hoặc 04Trong trường hợp này, mảng Numpy boolean đó thực sự đóng vai trò là đầu vào của hàm, khi chúng ta chạy mã True True False88 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 chiềuTrong ví dụ này, bây giờ chúng ta sẽ sử dụng 06 trên mảng Numpy 2 chiềuĐiều này tương tự như ví dụ 2, nhưng ở đây, chúng tôi đang sử dụng mảng 2D thay vì mảng 1D Tạo mảngĐầu 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 cộtsử 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 False8Giải 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/ 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-0Trong 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 08Tạo mảngĐầu 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 False33 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 08 được đặt thành 10, hàm sẽ kiểm tra xem phép toán so sánh có đúng với bất kỳ phần tử nào không, theo hướng đóTrên thực tế, việc sử dụng hàm any(iterable)14 với 10 giống như chạy hàm dọc theo từng cột riêng lẻVÍ DỤ 5. áp dụng np. bất kỳ dọc theo trục-1Trong 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 mảngĐầu 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 chiềusử 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 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 06 trên mỗi hàng của đầu vàoĐể lại câu hỏi khác của bạn trong các ý kiến dưới đâyBạn 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 NumpyBạn 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
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 |