前言

最近写码碰到一个问题，有a,mask_1,mask_2,mask_3四个同shape的array，其中a是待索引的目标数组，mask123中的元素则是bool值，表示该位置是否满足提取条件。

我们现在要提取a中同时满足mask123的元素，因此需要使用numpy的逻辑运算，与或非。

numpy的逻辑运算函数

与或非

numpy.logical_and()，numpy.logical_or()，numpy.logical_not()函数分别用于逐元素的与或非，使用如下：

if __name__ == '__main__':
	v = np.linspace(1, 9, num=9).reshape([3, 3])
    a = np.array([[True, False, False],
                  [True, True, False],
                  [False, False, False]])
    b = np.array([[True, True, True],
                  [False, False, False],
                  [True, False, False]])

    c = np.logical_and(a, b)
    d = np.logical_not(a)
    e = np.logical_or(a, b)
	
	print(v[c])
    print(v[d])
    print(v[e])
    print(v[f])
# [1.]
# [2. 3. 6. 7. 8. 9.]
# [1. 2. 3. 4. 5. 7.]
# [2. 3. 4. 5. 7.]

可以看出，索引结果与逻辑运算是匹配的。

异或

除了常用的与或非外，还有一个异或函数numpy.logical_xor()：

f = np.logical_xor(a, b)

numpy逻辑运算符

除了使用逻辑运算函数外，更简单的方法是直接使用numpy的逻辑运算符&, |, ~，分别表示逐元素与或非：

if __name__ == '__main__':
    v = np.linspace(1, 9, num=9).reshape([3, 3])
    a = np.array([[True, False, False],
                  [True, True, False],
                  [False, False, False]])
    b = np.array([[True, True, True],
                  [False, False, False],
                  [True, False, False]])

    c = np.logical_and(a, b)
    d = np.logical_not(a)
    e = np.logical_or(a, b)

    cc = a & b
    dd = ~a
    ee = a | e
    print(c, '\n', cc)
    print(d, '\n', dd)
    print(e, '\n', ee)

结果表明，&, |, ~的效果与numpy逻辑运算函数是一样的。