numpy.all

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

Проверка, что все элементы массива вдоль заданной оси принимают значение True.

Параметры

aarray_like

Вводной массив или объект, который может быть преобразован в массив.

axisNone or int or tuple of ints, optional

Ось или оси, по которым 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 до первой оси.

Добавлено в версии 1.7.0.

Если это кортеж целых чисел, выполняется редукция по нескольким осям, а не по одной оси или всем осям, как раньше.

outndarray, optional

Альтернативный выходной массив, в который помещается результат. Он должен иметь ту же форму, что и ожидаемый результат, и его тип сохраняется (например, если dtype(out) это float, результат будет состоять из 0.0 и 1.0). Подробнее см. ufuncs-output-type.

keepdimsbool, optional

Если это значение True, оси, по которым выполняется редукция, остаются в результате как измерения с размером один. С этим вариантом результат будет корректно транслироваться относительно входного массива.

Если передано значение по умолчанию, то keepdims не будет передано методу all подклассов ndarray, однако любое значение, отличное от значения по умолчанию, будет. Если метод подкласса не реализует keepdims , будут подняты исключения.

Возвращает

allndarray, bool

Возвращается новый булев массив или массив, если не задано out, в противном случае возвращается ссылка на out.

См. также

ndarray.all

эквивалентный метод

any

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

Примечания

Нечисловые значения (NaN), положительная и отрицательная бесконечность принимают значение True , поскольку 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