如何对二维NumPy数组的所有元素直接执行异或运算？

错误原因 #

你遇到的TypeError是因为np.bitwise_xor是位运算函数，仅支持整数类型的数组输入，而你的数组是浮点型（元素带小数点，比如0.、1.），位运算对浮点数无实际意义，因此无法匹配对应的运算签名。

解决方案 #

核心是先将浮点数组转换为整数类型，再使用np.bitwise_xor.reduce完成累计异或操作，步骤如下：

1. 定义示例数组 #

import numpy as np
a = np.array([[0., 1., 2., 3.],
              [4., 5., 6., 7.],
              [8., 9., 10., 11.]])

2. 提取目标元素并转换类型 #

你需要计算0^1^2^3^4^5^6^7^8^9^10的结果，对应数组中前11个元素，先提取并转为整数：

# 展平数组后取前11个元素，再转整数
target = a.flatten()[:11].astype(int)

3. 执行累计异或 #

直接用np.bitwise_xor.reduce计算累计异或：

result = np.bitwise_xor.reduce(target)
print(result)  # 输出：11

简化写法 #

也可以合并为一行：

result = np.bitwise_xor.reduce(a.flatten()[:11].astype(int))

补充说明 #

• 不需要使用np.vectorize()，它本质是Python循环的包装，效率远低于NumPy原生的reduce操作。
• 如果需要对整个整数数组的所有元素做累计异或，直接用np.bitwise_xor.reduce(a.astype(int), axis=None)即可，axis=None会自动展平数组。

内容的提问来源于stack exchange，提问作者AnthonyML