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: 只处理整数和布尔类型。如果 x1.shape != x2.shape，它们必须能够广播到共同的形状（这将成为输出的形状）。
outndarray, None, 或由 ndarray 和 None 组成的元组，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（仅作为关键字参数可能）的长度必须等于输出的数量。
wherearray_like, 可选: 此条件在输入上广播。在条件为 True 的位置，out 数组将设置为 ufunc 结果。在其他位置，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，则其中条件为 False 的位置将保持未初始化。
**kwargs: 有关其他仅限关键字的参数，请参阅ufunc 文档。

返回:

outndarray 或标量: 结果。如果 x1 和 x2 都是标量，则结果为标量。

另请参阅

logical_xor
bitwise_and
bitwise_or
binary_repr: 返回输入数字的二进制表示作为字符串。

示例

>>> import numpy as np

数字 13 的二进制表示是 00001101。同样，17 的二进制表示是 00010001。因此，13 和 17 的按位异或结果是 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])