Python扩展库numpy中的布尔运算

首先解答上一篇文章Win10系统配置Python3.6+OpenGL环境详细步骤中的问题。该问题的答案为[2, 2]，要点在于列表对象的方法index()默认是返回指定元素在列表中首次出现的下标，元组和字符串的index()方法也具有相同的用法。

在该文问题中，如果想要获取列表中3的所有位置，列表推导式应写为[i for i,v in enumerate(x) if v==3]。

----------分割线---------

numpy支持一个数组与一个标量之间（或两个等长数组）之间的关系运算，得到一个新数组，新数组中每个元素为True或False，表示原数组中所有元素与该标量（或原来两个数组中对应元素）进行关系运算的结果。当使用仅含有True或False的numpy数组作为下标访问数组元素时，可以将False对应的元素过滤掉，只保留True对应的。

# 包含10个随机数的数组

>>> import numpy as np

>>> x = np.random.rand(10)

>>> x

array([ 0.56707504, 0.07527513, 0.0149213 , 0.49157657, 0.75404095,

0.40330683, 0.90158037, 0.36465894, 0.37620859, 0.62250594])

# 比较数组中每个元素值是否大于0.5

>>> x > 0.5

array([ True, False, False, False, True, False, True, False, False, True], dtype=bool)

# 获取数组中大于0.5的元素，可用于检测和过滤异常值

>>> x[x>0.5]

array([ 0.56707504, 0.75404095, 0.90158037, 0.62250594])

>>> x < 0.5

array([False, True, True, True, False, True, False, True, True, False], dtype=bool)

# 测试是否全部元素都小于1

>>> np.all(x<1)

True

# 是否存在等价于True的元素

>>> np.any([1,2,3,4])

True

>>> np.any([0])

False

>>> a = np.array([1, 2, 3])

>>> b = np.array([3, 2, 1])

# 两个数组中对应位置上的元素比较

>>> a > b

array([False, False, True], dtype=bool)

>>> a[a>b]

array([3])

>>> a == b

array([False, True, False], dtype=bool)

>>> a[a==b]

array([2])

-----------分割线------------

今日习题：表达式sorted([111, 2, 33], key=lambda x: -len(str(x)))的值是什么？