import numpy as np
# 2차원 배열 생성
arr = np.array([[1, 2, 3], [4, 5, -6]])
# 배열의 모든 요소가 0보다 큰지 검사
result = np.all(arr > 0)
print(result) # 출력: False
# 각 열(column)에서 모든 요소가 0보다 큰지 검사
col_all_positive = np.all(arr > 0, axis=0)
print(col_all_positive) # 출력: [True True False]
o=np.array(False)
z=np.all([-1, 4, 5], out=o)
print(id(z), id(o), z)
(28293632, 28293632, array(True)) # may vary
True
를, 그렇지 않으면 False
를 반환a
: 입력 배열입니다.axis
: None
으로, 이 경우 배열의 모든 요소에 대해 조건을 검사합니다. 지정된 축을 없애는 방향으로, return shape이 형성
out
: None
입니다.keepdims
: True
를 지정하면 축의 차원을 유지하고, False
(기본값)를 지정하면 축의 차원을 줄입니다.all
: True
, 그렇지 않으면 False
를 반환하는 불리언 값지정된 축을 없애는 방향으로, return shape이 형성
import numpy as np
# 2차원 배열 생성
arr = np.array([[1, 2, 3], [4, 5, -6]])
# 배열의 어느 하나라도 0보다 큰지 검사
result = np.any(arr > 0)
print(result) # 출력: True
# 각 행(row)에서 어느 하나라도 0보다 큰지 검사
row_any_positive = np.any(arr > 0, axis=1)
print(row_any_positive) # 출력: [True True]
True
를, 모두 조건을 만족하지 않으면 False
를 반환a
: 입력 배열axis
: 조건을 검사할 축입니다. np.all
과 마찬가지로, 기본값은 None
이며, 배열의 모든 요소에 대해 조건을 검사합니다.out
: 결과를 저장할 대상 배열입니다. 기본값은 None
입니다.keepdims
: 결과의 차원을 유지할지 여부를 결정합니다. 기본값은 False
입니다.any
: 배열의 어느 하나라도 조건을 만족하면 True
, 모두 조건을 만족하지 않으면 False
를 반환하는 불리언 값입니다.np.all
과 np.any
는 배열 데이터를 분석할 때 특정 조건을 만족하는 요소가 있는지 또는 모든 요소가 특정 조건을 만족하는지 빠르게 확인할 수 있도록 도와줍니다.