Question

我想检查numpy数组/矩阵的列中的所有值是否相同。我尝试使用ufunc reduce的{{1}}，但它似乎并不适用于所有情况：

equal

为什么第二种情况下的中间列也会评估为In [55]: a = np.array([[1,1,0],[1,-1,0],[1,0,0],[1,1,0]]) In [56]: a Out[56]: array([[ 1, 1, 0], [ 1, -1, 0], [ 1, 0, 0], [ 1, 1, 0]]) In [57]: np.equal.reduce(a) Out[57]: array([ True, False, True], dtype=bool) In [58]: a = np.array([[1,1,0],[1,0,0],[1,0,0],[1,1,0]]) In [59]: a Out[59]: array([[1, 1, 0], [1, 0, 0], [1, 0, 0], [1, 1, 0]]) In [60]: np.equal.reduce(a) Out[60]: array([ True, True, True], dtype=bool)，而它应该是True？

感谢您的帮助！

Answer 1

In [45]: a
Out[45]: 
array([[1, 1, 0],
       [1, 0, 0],
       [1, 0, 0],
       [1, 1, 0]])

将每个值与第一行中的相应值进行比较：

In [46]: a == a[0,:]
Out[46]: 
array([[ True,  True,  True],
       [ True, False,  True],
       [ True, False,  True],
       [ True,  True,  True]], dtype=bool)

如果该列中的所有值都为True，则列共享一个公共值：

In [47]: np.all(a == a[0,:], axis = 0)
Out[47]: array([ True, False,  True], dtype=bool)

通过微观分析将np.equal.reduce应用于[1, 0, 0, 1]时会发生什么，可以看出In [49]: np.equal.reduce([1, 0, 0, 1]) Out[50]: True的问题：

对前两项0和False进行相等性测试，结果为In [51]: np.equal.reduce([False, 0, 1]) Out[51]: True：

False

现在对0和True进行相等性测试，结果为In [52]: np.equal.reduce([True, 1]) Out[52]: True：

True

但True和1相等，因此总结果为reduce，这不是理想的结果。

问题在于np.all尝试“本地”累积结果，而我们想要{{1}}等“全局”测试。

Answer 2

鉴于ubuntu的精彩解释，您可以使用reduce来解决您的问题，但必须将其应用于bitwise_and和bitwise_or，而不是equal 。因此，这不适用于浮点数组：

In [60]: np.bitwise_and.reduce(a) == a[0]
Out[60]: array([ True, False,  True], dtype=bool)

In [61]: np.bitwise_and.reduce(b) == b[0]
Out[61]: array([ True, False,  True], dtype=bool)

基本上，您要比较列中每个元素的位数。相同的位不变。不同的位设置为零。这样，任何具有零而不是一位的数字都将改变减小的值。 bitwise_and不会捕获引入而不是删除位的情况：

In [62]: c = np.array([[1,0,0],[1,0,0],[1,0,0],[1,1,0]])

In [63]: c
Out[63]: 
array([[1, 0, 0],
       [1, 0, 0],
       [1, 0, 0],
       [1, 1, 0]])

In [64]: np.bitwise_and.reduce(c) == c[0]
Out[64]: array([ True,  True,  True], dtype=bool)

第二个问题显然是错误的。我们需要使用bitwise_or来捕获新位：

In [66]: np.bitwise_or.reduce(c) == c[0]
Out[66]: array([ True, False,  True], dtype=bool)

最终答案

In [69]: np.logical_and(np.bitwise_or.reduce(a) == a[0], np.bitwise_and.reduce(a) == a[0])
Out[69]: array([ True, False,  True], dtype=bool)

In [70]: np.logical_and(np.bitwise_or.reduce(b) == b[0], np.bitwise_and.reduce(b) == b[0])
Out[70]: array([ True, False,  True], dtype=boo

In [71]: np.logical_and(np.bitwise_or.reduce(c) == c[0], np.bitwise_and.reduce(c) == c[0])
Out[71]: array([ True, False,  True], dtype=bool)

这种方法比ubunut使用all的建议更具限制性和优雅性，但它的优点是如果你的输入很大，就不会创建巨大的临时数组。临时数组应该只与矩阵的第一行一样大。

修改

根据此Q/A和the bug I filed with numpy，提供的解决方案仅适用，因为您的数组包含零和1。碰巧，显示的bitwise_and.reduce()操作只能返回零或一，因为bitwise_and.identity是1，而不是-1。我保留这个答案，希望numpy得到修复，答案才有效。

修改

看起来事实上很快就会变成numpy。当然是bitwise_and.identity，也可能是减少的可选参数。

修改

大家好消息。自版本np.bitwise_and起，-1的身份已设置为1.12.0。

Answer 3

不那么优雅，但在上面的示例中也可以使用。

a = np.array([[1,1,0],[1,-1,0],[1,0,0],[1,1,0]])

取每一行与上一行之间的差异

np.diff(a,axis=0)==0 

array([[ True, False,  True],
       [ True, False,  True],
       [ True, False,  True]])

如何检查numpy矩阵列中的所有值是否相同？

3 个答案: