numpy数组矢量交集

Question

我有一个3d numpy数组，它表示从我的分类器中获得的user id，形状为(NxKxM)，我想计算jaccard索引（len交集/ len并集）以检查比率在我的群组折叠中重叠。我需要在N（超参数数量）和M（数量或迭代）轴上计算此函数，而K是CV折叠数。我想要类似的东西：

  

A [0] [0] [：]与A [1：] [：] [：]比较，A [0] [1] [：]与A [1：] [：] [ ：]和A [0] [2] [：]与A [1：] [：] [：]在第一级进行比较，依此类推。 （如果k = 3）

我已经尝试过嵌套循环，但是代码当然非常慢，到目前为止，我遇到这种情况：

for elem in range(len(total_users_splits)):
    for subelem in range(elem+1,len(total_users_splits)):
        for i in range(n_splits):
            for j in range(n_splits):
                first = b[elem][i]
                second = b[subelem][j]
                total_num = len(np.union1d(first,second))
                intersect_len = len(np.intersect1d(first,second))
                X.append(intersect_len/total_num)
overlap = {'overlap_ratio_mean_uids':np.nanmean(X),
           'overlap_ratio_std_uids':np.nanstd(X),
           'overlap_ratio_max_uids':np.max(X),
           'overlap_ratio_min_uids':np.min(X)}

total_user_splits是维度NxM的列表，而n_splits是k。

代码确实很慢，但我不知道如何以向量化方式应用np.intersect