numpy.heaviside

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

计算 Heaviside 阶跃函数。

Heaviside 阶跃函数 [1] 定义为

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

其中 x2 通常取值为 0.5，但也偶尔使用 0 和 1。

参数：

x1array_like

输入值。

x2array_like

当 x1 为 0 时函数的值。如果 x1.shape != x2.shape，则它们必须能够广播到一个共同的形状（这将成为输出的形状）。

outndarray、None 或 ndarray 和 None 的元组，可选

结果存储到的位置。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（只能作为关键字参数）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。在其他地方，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状态。

**kwargs**

有关其他仅限关键字的参数，请参见 ufunc 文档。

返回值：

outndarray 或标量

x1 的输出数组，即 x1 的 Heaviside 阶跃函数。如果 x1 和 x2 都是标量，则为标量。

注释

版本 1.13.0 中的新功能。

参考文献

[1]

维基百科，“Heaviside 阶跃函数”，https://en.wikipedia.org/wiki/Heaviside_step_function

示例

>>> 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.])