numpy.bitwise_xor

numpy.bitwise_xor(x1, x2, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) = <ufunc 'bitwise_xor'>

Вычисляет побитовое XOR двух массивов поэлементно.

Вычисляет побитовое XOR двоичного представления целых чисел в входных массивах. Эта функция ufunc реализует оператор C/Python ^.

Параметры

x1, x2array_like

Обрабатываются только целочисленные и логические типы. Если x1.shape != x2.shape, они должны быть совместимы для трансляции в общую форму (которая становится формой вывода).

outndarray, None, или кортеж ndarray и None, необязательно

Место, в которое сохраняется результат. Если указан, он должен иметь форму, совместимую с входными данными. Если не указан или равен None, возвращается новый массив. Кортеж (только в качестве ключевого параметра) должен иметь длину, равную числу выходных данных.

wherearray_like, необязательно

Это условие транслируется в ввод. В местах, где условие истинно, массив out будет установлен на результат ufunc. В противном случае массив out сохранит свое первоначальное значение. Обратите внимание, что если массив out создается с помощью значения по умолчанию out=None, места в нем, где условие ложно, останутся неинициализированными.

**kwargs

Для других ключевых аргументов см. документацию ufunc.

Возвращает

outndarray или скаляр

Результат. Это скаляр, если оба x1 и x2 являются скалярами.

См. также

logical_xor

bitwise_and

bitwise_or

binary_repr

Возвращает двоичное представление входного числа в виде строки.

Примеры

Число 13 представлено как 00001101. Аналогично, 17 представлено как 00010001. Поэтому побитовое XOR 13 и 17 равно 00011100, или 28:

>>> np.bitwise_xor(13, 17)
28
>>> np.binary_repr(28)
'11100'

>>> np.bitwise_xor(31, 5)
26
>>> np.bitwise_xor([31,3], 5)
array([26,  6])

>>> np.bitwise_xor([31,3], [5,6])
array([26,  5])
>>> np.bitwise_xor([True, True], [False, True])
array([ True, False])

Оператор ^ может использоваться как сокращение для np.bitwise_xor на массивах nd.

>>> x1 = np.array([True, True])
>>> x2 = np.array([False, True])
>>> x1 ^ x2
array([ True, False])