Numpy.logical_and 和 & 的区别

NumPy是Python中用于数值计算的核心库之一。其中，逻辑运算符“与”在NumPy中同时有numpy.logical_and和&两种形式。这两种形式在使用时有哪些区别呢？

阅读更多：Numpy 教程

numpy.logical_and

numpy.logical_and是NumPy中的一个函数，可用于对两个array的元素进行逐个逻辑与运算。其语法如下：

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

其中，参数x1、x2分别表示两个array，输出结果为一个新的array。

下面是一个numpy.logical_and的示例：

import numpy as np

arr1 = np.array([True, True, False, False])
arr2 = np.array([True, False, True, False])

result = np.logical_and(arr1, arr2)

print(result)  # [True False False False]

上述示例中，arr1和arr2分别包含4个元素，将它们逐个进行逻辑与运算后，结果为 [True False False False]。

&

除了numpy.logical_and，NumPy中还提供了另一种形式的逻辑“与”操作，即“&”。与numpy.logical_and不同，&是一个运算符，可用于对两个array中的元素进行逐个逻辑与操作。下面是一个例子：

import numpy as np

arr1 = np.array([True, True, False, False])
arr2 = np.array([True, False, True, False])

result = arr1 & arr2

print(result)  # [ True False False False]

与numpy.logical_and相同，上述示例中，将arr1和arr2各个元素进行逐个逻辑与运算后，结果为 [True False False False]。

区别

那么，numpy.logical_and和&有何区别呢？其实两者的区别主要在于，当元素类型不同时，numpy.logical_and能够返回正确的结果，而&则会出现类型错误的情况。下面是两个例子：

例1：

import numpy as np

arr1 = np.array([0, 1, 2, 3])
arr2 = np.array([0, 2, 4, 5])

result = np.logical_and(arr1, arr2)

print(result)  # [False  True  True  True]

上述示例中，arr1和arr2包含4个元素，即[0, 1, 2, 3]和[0, 2, 4, 5]。当将它们逐个进行逻辑与运算时，得到的结果为[False True True True]，正确。

例2：

import numpy as np

arr1 = np.array([0, 1, 2, 3])
arr2 = np.array([0, 2, 4, 5])

result = arr1 & arr2

print(result)  # [0 0 0 1]

上述示例同样是对arr1和arr2进行逐个逻辑与运算，结果为[0 0 0 1]。出现这种情况的原因是，arr1、arr2的元素类型为int，而在二进制运算中， $0$ 表示False， $1$ 表示True。因此，当对arr1的第四个元素3和arr2的第四个元素5进行逻辑与运算时，实际上是将 $3$ 和 $5$ 分别转换为二进制数 $0b11$ 和 $0b101$ ，再逐位进行逻辑与运算。此时， $0b11$ 与 $0b101$ 的逻辑与运算结果为 $0b1$ ，即 $1$ 。于是，最终得到的结果为[0 0 0 1]。显然，这并不是我们期望的结果。

因此，在处理元素类型不同时的运算时，推荐使用numpy.logical_and函数，以避免类型错误的情况的发生。

除了这个区别之外，numpy.logical_and和&在处理相同类型的元素时实际上是没有区别的。它们在逻辑与的规则上是完全一致的，而且运行效率也差不多。