numpy.logical_xor#

numpy.logical_xor(x1, x2, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature]) = <ufunc 'logical_xor'>#

计算 x1 和 x2 的按元素异或值.

参数:
x1, x2array_like

逻辑异或应用于 x1 和 x2 的元素.如果 x1.shape != x2.shape,它们必须能够广播到一个共同的形状（这将成为输出形状）.

outndarray, None, 或 ndarray 和 None 的元组, 可选

存储结果的位置.如果提供,它必须具有输入广播到的形状.如果未提供或为 None,则返回一个新分配的数组.元组（只能作为关键字参数）的长度必须等于输出的数量.

wherearray_like, 可选

这个条件通过输入进行广播.在条件为 True 的位置,`out` 数组将被设置为 ufunc 结果.在其他地方,`out` 数组将保留其原始值.请注意,如果通过默认的 out=None 创建了一个未初始化的 out 数组,条件为 False 的位置将保持未初始化状态.

**kwargs

对于其他仅限关键字的参数,请参阅 ufunc 文档.

返回:
y布尔值或布尔值的ndarray

对 x1 和 x2 元素应用逻辑异或运算的布尔结果;形状由广播决定.如果 x1 和 x2 都是标量,则这是标量.

参见

logical_and, logical_or, logical_not, bitwise_xor

示例

>>> import numpy as np
>>> np.logical_xor(True, False)
True
>>> np.logical_xor([True, True, False, False], [True, False, True, False])
array([False,  True,  True, False])

>>> x = np.arange(5)
>>> np.logical_xor(x < 1, x > 3)
array([ True, False, False, False,  True])

简单的示例展示了广播的支持

>>> np.logical_xor(0, np.eye(2))
array([[ True, False],
       [False,  True]])
On this page