numpy.all

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

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

Parameters

aarray_like

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

axisNone or int or tuple of ints, optional

Ось или оси, по которым выполняется логическое И-уменьшение. По умолчанию (axis=None) выполняется логическое И по всем измерениям входного массива. axis может быть отрицательным, в этом случае он считает от последней к первой оси.

New in version 1.7.0.

Если это кортеж целых чисел, уменьшение выполняется 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 такую 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. Определение типа результата.

keepdimsbool, optional

Если установлено в True, оси, по которым выполняется уменьшение, остаются в результате как размерности с размером один. С этим вариантом результат будет корректно транслироваться с входным массивом.

Если передано значение по умолчанию, то keepdims не будет передано в метод all подклассов ndarray, но любое нестандартное значение будет. Если метод подкласса не реализует keepdims , будут подняты исключения.

wherearray_like of bool, optional

Элементы, которые необходимо учитывать при проверке на все True значения. Подробнее см. reduce.

New in version 1.20.0.

Returns

allndarray, bool

Возвращается новый булевый или массив, если не задан 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

Значения Не Число (NaN), положительная и отрицательная бесконечность 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

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

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