如何将numpy全是True和False的array转换成1和0？

我是在处理ReLU函数的导数的时候，遇到的这个问题，有两种方法可以做这种转换。

使用 + 0 的方法

在全是True和False的np array上加0，就能够将True变成1，False变成0：

>>> a
array([[0],
       [1],
       [2],
       [3],
       [4],
       [5],
       [6],
       [7],
       [8],
       [9]])
>>> b = a>3
>>> b
array([[False],
       [False],
       [False],
       [False],
       [ True],
       [ True],
       [ True],
       [ True],
       [ True],
       [ True]])
>>> c = b + 0
>>> c
array([[0],
       [0],
       [0],
       [0],
       [1],
       [1],
       [1],
       [1],
       [1],
       [1]])

+0 转成 np.int型，还可以 + 0.0，转成 np.float型。

使用astype转换

直接上代码：

>>> b
array([[False],
       [False],
       [False],
       [False],
       [ True],
       [ True],
       [ True],
       [ True],
       [ True],
       [ True]])
>>> b.astype(np.int)
array([[0],
       [0],
       [0],
       [0],
       [1],
       [1],
       [1],
       [1],
       [1],
       [1]])

除了np.int，还可以直接转换成np.float，这样可能更符合数据的normalization的要求。

用astype的方法，感觉语义上更清晰。

-- EOF --

相关文章

• 寻找两个ndarray中不一样的元素
• np.concatenate函数
• numpy.array变形记
• 如果np.test有失败...
• 一维ndarray
• np.transpose转置函数
• numpy的基本操作
• 用numpy计算均值，方差，标准差
• np.array的stack操作
• 打印很大的numpy.array
• numpy.ndarray基本概念
• 如何遍历numpy.array？
• 用numpy计算Pearson相关系数
• ndarray中的条件判断
• 用numpy计算协方差（covariance）
• numpy.random的常用接口
• numpy创建array的方法汇总
• np.linalg.norm的使用