numpy.all

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

Проверяет, равны ли все элементы массива по заданной оси True.

Параметры

aarray_like

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

axisNone или int или кортеж из целых чисел, необязательно

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

Введено в версии 1.7.0.

Если это кортеж из целых чисел, выполняется уменьшение по нескольким осям вместо одной оси или всех осей, как раньше.

outndarray, необязательно

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) — float, результат будет состоять из 0,0 и 1,0). Подробнее см. Определение типа результата.

keepdimsbool, необязательно

Если это True, оси, которые уменьшаются, остаются в результате в качестве измерений с размером один. С этим параметром результат будет правильно транслироваться относительно входного массива.

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

wherearray_like типа bool, необязательно

Элементы, которые следует включать при проверке на все True значения. Подробнее см. reduce.

Введено в версии 1.20.0.

Возвращает

allndarray, bool

Возвращается новый булевый или массив, если out не указан, в противном случае возвращается ссылка на out.

См. также

ndarray.all

эквивалентный метод

any

Проверка, есть ли хотя бы один элемент по заданной оси, равный True.

Примечания

Не число (NaN), положительная и отрицательная бесконечности 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

>>> 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