numpy.all

numpy.all(a, axis=None, out=None, keepdims=<class 'numpy._globals._NoValue'>) [source]

Проверка, что все элементы массива вдоль заданной оси равны True.

Параметры:

a : array_like Входной массив или объект, который может быть преобразован в массив. axis : None или int или кортеж из целых чисел, необязательно Ось или оси, вдоль которых выполняется логическое И. По умолчанию (axis = None) выполняется логическое И по всем измерениям входного массива. axis может быть отрицательным, в этом случае он отсчитывается от последней оси к первой. Добавлен в версии 1.7.0. Если это кортеж из целых чисел, то выполняется операция сокращения по нескольким осям, а не по одной оси или всем осям, как раньше. out : ndarray, необязательно Альтернативный выходной массив, в который следует поместить результат. Он должен иметь ту же форму, что и ожидаемый результат, и его тип сохраняется (например, если dtype(out) является плавающей точкой, результат будет состоять из 0.0 и 1.0). Подробнее см. doc.ufuncs (раздел «Аргументы вывода»). keepdims : bool, необязательно Если установлено в True, оси, по которым выполнялось сокращение, остаются в результате в качестве измерений с размером один. С этим вариантом результат корректно транслируется с входным массивом. Если передано значение по умолчанию, то keepdims не будет передано методу all подклассов ndarray, однако любое отличное от значения по умолчанию значение будет. Если метод подклассов sum не реализует keepdims , будут подняты исключения.

Возвращает:

all : ndarray, bool Возвращается новый булевый или массив, если out не указано, в противном случае возвращается ссылка на out.

См. также

ndarray.all

эквивалентный метод

any

Проверка, что хотя бы один элемент вдоль заданной оси равен True.

Примечания

Не число (NaN), положительная и отрицательная бесконечность оцениваются как True , так как они не равны нулю.

Примеры

>>> np.all([[True,False],[True,True]])
False

>>> np.all([[True,False],[True,True]], axis=0)
array([ True, False])

>>> np.all([-1, 4, 5])
True

>>> np.all([1.0, np.nan])
True

>>> o=np.array([False])
>>> z=np.all([-1, 4, 5], out=o)
>>> id(z), id(o), z                             
(28293632, 28293632, array([ True]))