假设我给你以下布尔数组：
b1 = np.array([ True, True, False, True ])
b2 = np.array([ True, False, False, True ])
b3 = np.array([ True, True, True, False ])
如果您将和它们放在一起，您会期望得到以下结果：
b4 = np.array([ True, False, False, False ])
对吗？如果不是，请解释。如果我们同意，那么，为什么会发生以下情况？
>>> np.logical_and(b1, b2, b3)
array([ True, False, False, True ])
np.logical_and（np.logical_and（b1， b2），b3）确实给出了预期的结果。
查看np.logical_and的留档。与大多数NumPy运算符函数一样，第三个参数是一个out参数，指定目标数组。它不是操作数！将b3放在那里只会覆盖b3的内容。
使用
b4 = b1 & b2 & b3
np的第三个参数。logical_and是可选的out参数，它存储操作的结果。
也就是说，调用np.logical_and（b1， b2，b3）用np.logical_and（b1，b2）的结果覆盖b3。
输出参数对于确定输出类型和一般效率很有用。
logical_and（）是一个二元运算符，对于你的问题，你可以使用：
np.all([b1, b2, b3], axis=0)
np.logical_and.reduce([b1, b2, b3], axis=0)
