如何用NumPy获取Python中二进制数组（含二维）的十进制值

当然有更简便的方式！NumPy的向量化操作天生就适合这类批量计算，完全不用手动做与或运算、提取位置再求和的繁琐步骤，几步就能搞定。

核心思路 #

布尔型数组在NumPy中会自动被视为1（True）和0（False），我们只需要给每个二进制位分配对应的权重（比如2^0, 2^1, ..., 2^(n-1)，顺序取决于你的二进制位排列），然后通过向量化的乘法+求和（或点积）直接得到每行的十进制值。

具体实现方法 #

方法1：按行求和（最通用）

假设你有一个二维布尔数组bool_arr（每行代表一个二进制数），以及对应的一维权重数组weights（每个元素对应二进制位的权重，比如最高位对应最大的权重）：

import numpy as np

# 示例：二维布尔数组，每行是一个二进制数（比如第一行是101，对应十进制5）
bool_arr = np.array([[True, False, True], [False, True, True]])
# 对应权重：第一位是2^2=4，第二位2^1=2，第三位2^0=1
weights = np.array([4, 2, 1])

# 批量计算每行的十进制值
decimal_values = np.sum(bool_arr * weights, axis=1)
print(decimal_values)  # 输出: [5 3]

方法2：点积运算（更简洁）

用np.dot可以替代求和操作，代码更简洁，效果完全一致：

decimal_values = bool_arr.dot(weights)

方法3：固定长度二进制用np.packbits（适合8/16等位宽）

如果你的二进制数是固定字节长度（比如8位），可以用np.packbits直接打包成字节值（即十进制数），注意要调整位的顺序（默认是从高位到低位打包）：

# 示例：每行是8位二进制，低位在前的话需要先反转
bool_arr_8bit = np.array([[True, False, True, False, False, False, False, False]])
# 反转后让高位在前，符合packbits的默认规则
packed = np.packbits(bool_arr_8bit[:, ::-1], axis=1)
print(packed[0][0])  # 输出: 40（对应二进制10100000，即十进制40）

注意事项 #

• 权重数组的顺序必须和布尔数组的二进制位对应：如果布尔数组的第一列是最高位，权重数组的第一个元素就要是2^(n-1)（n为每行的位数），别搞反顺序，否则结果会出错。
• 向量化操作比循环快几个数量级，尤其是处理大数组时，一定要优先用NumPy的内置函数，避免手动遍历。

内容的提问来源于stack exchange，提问作者poda_badu