Come creare una matrice numpy di tutto vero o tutto falso?

In Python, come posso creare una matrice insensibile di forma arbitraria piena di tutto vero o tutto falso?

numpy consente già la creazione di matrici di tutti o di tutti zeri molto facilmente:

es. numpy.ones((2, 2))onumpy.zeros((2, 2))

Poiché Truee Falsesono rappresentati in Python come 1e 0, rispettivamente, dobbiamo solo specificare che questo array deve essere booleano usando il dtypeparametro opzionale e abbiamo finito.

numpy.ones((2, 2), dtype=bool)

ritorna:

array([[ True,  True],
       [ True,  True]], dtype=bool)

AGGIORNAMENTO: 30 ottobre 2013

Dalla versione intorpidita 1.8 , possiamo usare fullper ottenere lo stesso risultato con la sintassi che mostra più chiaramente il nostro intento (come sottolinea fmonegaglia):

numpy.full((2, 2), True, dtype=bool)

AGGIORNAMENTO: 16 gennaio 2017

Poiché almeno numpy versione 1.12 , fulllancia automaticamente i risultati al dtypesecondo parametro, quindi possiamo semplicemente scrivere:

numpy.full((2, 2), True)

numpy.full((2,2), True, dtype=bool)

onese zeros, che creano matrici piene rispettivamente di uno e di zero, accettano un dtypeparametro opzionale :

>>> numpy.ones((2, 2), dtype=bool)
array([[ True,  True],
       [ True,  True]], dtype=bool)
>>> numpy.zeros((2, 2), dtype=bool)
array([[False, False],
       [False, False]], dtype=bool)

Se non deve essere scrivibile, puoi creare un tale array con np.broadcast_to:

>>> import numpy as np
>>> np.broadcast_to(True, (2, 5))
array([[ True,  True,  True,  True,  True],
       [ True,  True,  True,  True,  True]], dtype=bool)

Se ne hai bisogno scrivibile, puoi anche creare un array vuoto e filltu stesso:

>>> arr = np.empty((2, 5), dtype=bool)
>>> arr.fill(1)
>>> arr
array([[ True,  True,  True,  True,  True],
       [ True,  True,  True,  True,  True]], dtype=bool)

Questi approcci sono solo suggerimenti alternativi. In generale dovresti attenerti o np.full, come suggerito dalle altre risposte.np.zerosnp.ones

Ha eseguito rapidamente un timeit per vedere se ci sono differenze tra la versione np.fulle np.ones.

Risposta: No

import timeit

n_array, n_test = 1000, 10000
setup = f"import numpy as np; n = {n_array};"

print(f"np.ones: {timeit.timeit('np.ones((n, n), dtype=bool)', number=n_test, setup=setup)}s")
print(f"np.full: {timeit.timeit('np.full((n, n), True)', number=n_test, setup=setup)}s")

Risultato:

np.ones: 0.38416870904620737s
np.full: 0.38430388597771525s

IMPORTANTE

Per quanto riguarda il post su np.empty(e non posso commentare, poiché la mia reputazione è troppo bassa):

NON FARLO. NON UTILIZZARE np.emptyper inizializzare un Truearray completo

Poiché l'array è vuoto, la memoria non è scritta e non vi è alcuna garanzia, quali saranno i tuoi valori, ad es

>>> print(np.empty((4,4), dtype=bool))
[[ True  True  True  True]
 [ True  True  True  True]
 [ True  True  True  True]
 [ True  True False False]]

>>> a = numpy.full((2,4), True, dtype=bool)
>>> a[1][3]
True
>>> a
array([[ True,  True,  True,  True],
       [ True,  True,  True,  True]], dtype=bool)

numpy.full (Dimensione, Valore scalare, Tipo). Esistono anche altri argomenti che possono essere passati, per la documentazione su questo, consultare https://docs.scipy.org/doc/numpy/reference/generated/numpy.full.html

punto di riferimento per la risposta di Michael Currie

import perfplot

bench_x = perfplot.bench(
    n_range= range(1, 200),
    setup  = lambda n: (n, n),
    kernels= [
        lambda shape: np.ones(shape, dtype= bool),
        lambda shape: np.full(shape, True)
    ],
    labels = ['ones', 'full']
)

bench_x.show()