numpy.bitwise_and#

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

Вычислить побитовое И двух массивов поэлементно.

Вычисляет побитовое И двоичного представления целых чисел во входных массивах. Эта универсальная функция реализует оператор C/Python &.

Параметры:

x1, x2array_like: Обрабатываются только целочисленные и булевы типы. Если x1.shape != x2.shape, они должны быть транслируемы к общей форме (которая становится формой вывода).
выходndarray, None или кортеж из ndarray и None, опционально: Место для сохранения результата. Если предоставлено, оно должно иметь форму, в которую транслируются входные данные. Если не предоставлено или None, возвращается вновь выделенный массив. Кортеж (возможен только как ключевой аргумент) должен иметь длину, равную количеству выходов.
гдеarray_like, необязательный: Это условие транслируется на вход. В местах, где условие истинно, выход массив будет установлен в результат ufunc. В других местах выход массив сохранит своё исходное значение. Обратите внимание, что если неинициализированный выход массив создается через стандартный out=None, позиции внутри неё, где условие ложно, останутся неинициализированными.
**kwargs: Для других аргументов, доступных только по ключевым словам, смотрите документация ufunc.

Возвращает:

выходndarray или скаляр: Результат. Это скаляр, если оба x1 и x2 являются скалярами.

Смотрите также

logical_and
bitwise_or
bitwise_xor
binary_repr: Возвращает двоичное представление входного числа в виде строки.

Примеры

>>> import numpy as np

Число 13 представлено как 00001101. Аналогично, 17 представляется как 00010001. Побитовое И для 13 и 17, следовательно, 000000001, или 1:

>>> np.bitwise_and(13, 17)
1

>>> np.bitwise_and(14, 13)
12
>>> np.binary_repr(12)
'1100'
>>> np.bitwise_and([14,3], 13)
array([12,  1])

>>> np.bitwise_and([11,7], [4,25])
array([0, 1])
>>> np.bitwise_and(np.array([2,5,255]), np.array([3,14,16]))
array([ 2,  4, 16])
>>> np.bitwise_and([True, True], [False, True])
array([False,  True])

The & оператор может использоваться как сокращение для np.bitwise_and на ndarrays.

>>> x1 = np.array([2, 5, 255])
>>> x2 = np.array([3, 14, 16])
>>> x1 & x2
array([ 2,  4, 16])