我有一个numpy字符串数组，有些是重复的，我想将每个元素与其他所有元素进行比较，以生成一个1＆＃39; s和0的新向量，指示每对(i,j)是相同或不同的。
e.g。 ["a","b","a","c"] - ＆gt; 12元素（4 * 3）向量[1, 0, 1, 0, 0, 1, 0, 0, 1, 0, 1, 0, 0, 0, 0, 1]
有没有办法在numpy中快速完成这项工作而没有通过所有元素对的双循环？我的阵列有大约240,000个元素，所以它花了很长时间才能以天真的方式做到这一点。
我知道numpy.equal.outer，但显然numpy.equal未在字符串上实现，因此我似乎需要一些更聪明的方法来比较它们。
答案 0 :(得分：3)
构建一个包含字符串哈希值（使用内置hash()函数）值的数组。
eg = ['a', 'b', 'c', 'a']
hashed = np.array([hash(s) for s in eg])
result = np.equal.outer(hashed, hashed)
输出：
[[ True False False True]
[False True False False]
[False False True False]
[ True False False True]]
如果只有1个字符长的字符串，则可以使用ord()代替hash()：
给定一个长度为1的字符串，返回表示该字符串的整数 参数为unicode时字符的Unicode代码点 对象，或参数是8位字符串时的字节值。 例如，ord（'a'）返回整数97，ord（u'\ u2020'）返回 8224。
答案 1 :(得分：0)
你不想要那个。
首先请注意，您实际上正在构建一个三角形矩阵：对于第一个元素，将其与其余元素进行比较，然后递归地重复其余元素。但是，你不会使用三角形。您只需切断对角线（每个元素始终等于它自己）并将行合并到示例中的一个列表中。
如果对源列表进行排序，则不需要将每个元素与其余元素进行比较，只需要与下一个元素进行比较。您必须使用元组保持元素的位置，以便在排序后跟踪它。
您可以在O（n log n）时间内对对象列表进行排序，然后扫描它并在O（n）时间内找到所有匹配项。在您的情况下，排序和查找匹配都很简单快捷。
之后，您必须创建＆＃39;位向量＆＃39;，，其长度为O（n ^ 2）。对于240k元素向量，它将包含len(your vector) ** 2个元素或57600 百万元素。即使您将每个元素表示为一位，也需要53.6 Gbit或8.7 GB的内存。
可能你不想要那样。我建议您在O（n log n）时间内找到对的列表，在O（n log n）时间内按第一和第二位置排序，并通过查看该列表重新创建所需位图的任何部分对;二分搜索真的有帮助。如果匹配的元素数少于元素对，则结果甚至可以放在RAM中。