numpy.bitwise_xor

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

按元素计算两个数组的按位异或.

计算输入数组中整数的底层二进制表示的按位异或.此 ufunc 实现了 C/Python 运算符 ^ .

参数:

x1, x2array_like

仅处理整数和布尔类型.如果 x1.shape != x2.shape ,则它们必须可广播到公共形状(这将成为输出的形状).

outndarray, None, or tuple of ndarray and None, optional

存储结果的位置.如果提供,则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.一个元组(可能仅作为关键字参数)的长度必须等于输出的数量.

其中类数组,可选

此条件会在输入上进行广播.在条件为True的位置, out 数组将被设置为ufunc结果.否则, out 数组将保留其原始值.请注意,如果通过默认的 out=None 创建一个未初始化的 out 数组,则其中条件为False的位置将保持未初始化.

\kwargs

对于其他仅限关键字的参数,请参见 ufunc docs .

返回:

outndarray 或标量

结果.如果 x1 和 x2 都是标量,则这是一个标量.

参见

logical_xor

bitwise_and

bitwise_or

binary_repr

返回输入数字的二进制表示形式,类型为字符串.

示例

Try it in your browser!

>>> import numpy as np

数字 13 由 00001101 表示.同样,17 由 00010001 表示.因此,13 和 17 的按位异或为 00011100 ,即 28:

>>> np.bitwise_xor(13, 17)
28
>>> np.binary_repr(28)
'11100'

>>> np.bitwise_xor(31, 5)
26
>>> np.bitwise_xor([31,3], 5)
array([26,  6])

>>> np.bitwise_xor([31,3], [5,6])
array([26,  5])
>>> np.bitwise_xor([True, True], [False, True])
array([ True, False])

^ 运算符可以用作 ndarray 上 np.bitwise_xor 的简写.

>>> x1 = np.array([True, True])
>>> x2 = np.array([False, True])
>>> x1 ^ x2
array([ True, False])

Go BackOpen In Tab