NumPy 位运算

位运算是一种在二进制数字的位级别上进行操作的一类运算,它们直接操作二进制数字的各个位,而不考虑数字的整体值。

位运算在计算机科学中广泛应用于优化和处理底层数据。

NumPy "bitwise_" 开头的函数是位运算函数。

NumPy 位运算包括以下几个函数:

函数 描述
bitwise_and 按位与,对数组元素执行位与操作
bitwise_or 按位或,对数组元素执行位或操作
bitwise_xor 按位异或
bitwise_not 按位取反
invert 按位取反
left_shift 左移位运算,向左移动二进制表示的位
right_shift 右移位运算,向右移动二进制表示的位

实例

import numpy as np

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

result_and = np. bitwise_and ( arr1 , arr2 )
result_or = np. bitwise_or ( arr1 , arr2 )
result_xor = np. bitwise_xor ( arr1 , arr2 )
result_not = np. bitwise_not ( arr1 )

print ( "AND:" , result_and )   # [False, False, False]
print ( "OR:" , result_or )     # [True, True, True]
print ( "XOR:" , result_xor )   # [True, True, True]
print ( "NOT:" , result_not )   # [False, True, False]

# 按位取反
arr_invert = np. invert ( np. array ( [ 1 , 2 ] , dtype = np. int8 ) )
print ( "Invert:" , arr_invert )   # [-2, -3]

# 左移位运算
arr_left_shift = np. left_shift ( 5 , 2 )
print ( "Left Shift:" , arr_left_shift )   # 20

# 右移位运算
arr_right_shift = np. right_shift ( 10 , 1 )
print ( "Right Shift:" , arr_right_shift )   # 5

也可以使用 "&"、 "~"、 "|" 和 "^" 等操作符进行计算:

  1. 与运算(&): 对应位上的两个数字都为1时,结果为1;否则,结果为0。

    例如:1010 & 1100 = 1000

  2. 或运算(|): 对应位上的两个数字有一个为1时,结果为1;否则,结果为0。

    例如:1010_1100 = 1110

  3. 异或运算(^): 对应位上的两个数字相异时,结果为1;相同时,结果为0。

    例如:1010 ^ 1100 = 0110

  4. 取反运算(~): 对数字的每个位取反,即0变为1,1变为0。

    例如:~1010 = 0101

  5. 左移运算(<<): 将数字的所有位向左移动指定的位数,右侧用0填充。

    例如:1010 << 2 = 101000

  6. 右移运算(>>): 将数字的所有位向右移动指定的位数,左侧根据符号位或补零。

    例如:1010 >> 2 = 0010

bitwise_and

bitwise_and() 函数对数组中整数的二进制形式执行位与运算。

实例

import numpy as np print ( ' 13 和 17 的二进制形式: ' ) a , b = 13 , 17 print ( bin ( a ) , bin ( b ) ) print ( ' \n ' ) print ( ' 13 和 17 的位与: ' ) print ( np . bitwise_and ( 13 , 17 ) )

输出结果为:

		13 和 17 的二进制形式:
0b1101 0b10001
13 和 17 的位与:
1
	

以上实例可以用下表来说明:

1 1 1
AND
1 1
运算结果 1

位与操作运算规律如下:

A B AND
1 1 1
1
1

bitwise_or

bitwise_or()函数对数组中整数的二进制形式执行位或运算。

实例

import numpy as np a , b = 13 , 17 print ( ' 13 和 17 的二进制形式: ' ) print ( bin ( a ) , bin ( b ) ) print ( ' 13 和 17 的位或: ' ) print ( np . bitwise_or ( 13 , 17 ) )

输出结果为:

		13 和 17 的二进制形式:
0b1101 0b10001
13 和 17 的位或:
29
	

以上实例可以用下表来说明:

1 1 1
OR
1 1
运算结果 1 1 1 1

位或操作运算规律如下:

A B OR
1 1 1
1 1
1 1

invert

invert() 函数对数组中整数进行位取反运算,即 0 变成 1,1 变成 0。

对于有符号整数,取该二进制数的补码,然后 +1。二进制数,最高位为0表示正数,最高位为 1 表示负数。

看看 ~1 的计算步骤:

  • 1 (这里叫:原码)转二进制 = 00000001
  • 按位取反 = 11111110
  • 发现符号位(即最高位)为 1 (表示负数),将除符号位之外的其他数字取反 = 10000001
  • 末位加1取其补码 = 10000010
  • 转换回十进制 = -2
  • 表达式

    二进制值(2 的补数)

    十进制值
    5 00000000 00000000 00000000 00000101 5
    ~5 11111111 11111111 11111111 11111010 -6

实例

import numpy as np print ( ' 13 的位反转,其中 ndarray 的 dtype 是 uint8: ' ) print ( np . invert ( np . array ( [ 13 ] , dtype = np . uint8 ) ) ) print ( ' \n ' ) # 比较 13 和 242 的二进制表示,我们发现了位的反转 print ( ' 13 的二进制表示: ' ) print ( np . binary_repr ( 13 , width = 8 ) ) print ( ' \n ' ) print ( ' 242 的二进制表示: ' ) print ( np . binary_repr ( 242 , width = 8 ) )

输出结果为:

	13 的位反转,其中 ndarray 的 dtype 是 uint8:
[242]
13 的二进制表示:
00001101
242 的二进制表示:
11110010

left_shift

left_shift() 函数将数组元素的二进制形式向左移动到指定位置,右侧附加相等数量的 0。

实例

import numpy as np print ( ' 将 10 左移两位: ' ) print ( np . left_shift ( 10 , 2 ) ) print ( ' \n ' ) print ( ' 10 的二进制表示: ' ) print ( np . binary_repr ( 10 , width = 8 ) ) print ( ' \n ' ) print ( ' 40 的二进制表示: ' ) print ( np . binary_repr ( 40 , width = 8 ) ) # '00001010' 中的两位移动到了左边,并在右边添加了两个 0。

输出结果为:

	将 10 左移两位:
40
10 的二进制表示:
00001010
40 的二进制表示:
00101000

right_shift

right_shift() 函数将数组元素的二进制形式向右移动到指定位置,左侧附加相等数量的 0。

实例

import numpy as np print ( ' 将 40 右移两位: ' ) print ( np . right_shift ( 40 , 2 ) ) print ( ' \n ' ) print ( ' 40 的二进制表示: ' ) print ( np . binary_repr ( 40 , width = 8 ) ) print ( ' \n ' ) print ( ' 10 的二进制表示: ' ) print ( np . binary_repr ( 10 , width = 8 ) ) # '00001010' 中的两位移动到了右边,并在左边添加了两个 0。

输出结果为:

	将 40 右移两位:
10
40 的二进制表示:
00101000
10 的二进制表示:
00001010