numpy.heaviside#

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

Вычислить функцию Хевисайда.

Функция Хевисайда [1] определяется как:

                      0   if x1 < 0
heaviside(x1, x2) =  x2   if x1 == 0
                      1   if x1 > 0

где x2 часто принимается равным 0.5, но иногда также используются 0 и 1.

Параметры:

x1array_like: Входные значения.
x2array_like: Значение функции, когда x1 равно 0. 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: Выходной массив, поэлементная функция Хевисайда от x1. Это скаляр, если оба x1 и x2 являются скалярами.

Ссылки

[1]

Википедия, «Функция Хевисайда», https://en.wikipedia.org/wiki/Heaviside_step_function

Примеры

>>> import numpy as np
>>> np.heaviside([-1.5, 0, 2.0], 0.5)
array([ 0. ,  0.5,  1. ])
>>> np.heaviside([-1.5, 0, 2.0], 1)
array([ 0.,  1.,  1.])