numpy.all

numpy.all(a, axis=None, out=None, keepdims=<no value>) [source]

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

Параметры:

a : array_like Входной массив или объект, который можно преобразовать в массив. axis : None or int or tuple of ints, optional Ось или оси, вдоль которых выполняется логическое умножение. По умолчанию (axis = None) выполняется логическое умножение по всем измерениям входного массива. axis может быть отрицательным, в этом случае он отсчитывается от последней к первой оси. Новое в версии 1.7.0. Если это кортеж целых чисел, то выполняется сокращение по нескольким осям, а не по одной оси или всем осям, как прежде. out : ndarray, optional Альтернативный выходной массив, в который нужно поместить результат. Он должен иметь такую же форму, как ожидаемый вывод, и его тип сохраняется (например, если dtype(out) является типом float, результат будет состоять из 0.0 и 1.0). См. doc.ufuncs (Раздел «Аргументы вывода») для получения более подробной информации. keepdims : bool, optional Если это установлено в True, оси, которые были уменьшены, остаются в результате как измерения с размером один. С этим параметром результат будет правильно транслироваться к входному массиву. Если передано значение по умолчанию, то keepdims не будет передаваться в метод all подклассов ndarray, однако любое отличное от значения по умолчанию значение будет. Если метод подкласса не реализует keepdims , будут подняты исключения.

Возвращает:

all : ndarray, bool Возвращается новый булевый массив или массив, если не указан out, 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 бесконечности оцениваются как True , потому что 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)) # may vary