我的问题是“为什么？：”
aa[0]
array([[405, 162, 414, 0,
array([list([1, 9, 2]), 18, (405, 18, 207), 64, 'Universal'],
dtype=object),
0, 0, 0]], dtype=object)
aaa
array([[405, 162, 414, 0,
array([list([1, 9, 2]), 18, (405, 18, 207), 64, 'Universal'],
dtype=object),
0, 0, 0]], dtype=object)
np.array_equal(aaa,aa[0])
False
这些数组完全相同。
我的最小示例不会重现此内容：
be=np.array([1],dtype=object)
be
array([1], dtype=object)
ce=np.array([1],dtype=object)
ce
array([1], dtype=object)
np.array_equal(be,ce)
True
也没有这样做：
ce=np.array([np.array([1]),'5'],dtype=object)
be=np.array([np.array([1]),'5'],dtype=object)
np.array_equal(be,ce)
True
be=np.array([[405, 162, 414, 0, np.array([list([1, 9, 2]), 18, (405, 18, 207), 64, 'Universal'],dtype=object),0, 0, 0]], dtype=object)
ce=np.array([[405, 162, 414, 0, np.array([list([1, 9, 2]), 18, (405, 18, 207), 64, 'Universal'],dtype=object),0, 0, 0]], dtype=object)
np.array_equal(be,ce)
False
np.array_equal(be[0],ce[0])
False
我不知道为什么这些不相等。并添加奖金问题，我如何比较它们？
我需要一种有效的方法来检查aaa是否在aa堆栈中。
由于aaa in aa我没有使用DeprecationWarning: elementwise == comparison failed; this will raise an error in the future.，因为如果有人在想，它仍会返回False。
np.equal(be,ce)
*** ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()
np.all(be,ce)
*** TypeError: only integer scalar arrays can be converted to a scalar index
all(be,ce)
*** TypeError: all() takes exactly one argument (2 given)
all(be==ce)
*** TypeError: 'bool' object is not iterable
np.where(be==ce)
(array([], dtype=int64),)
这些，我无法在控制台中运行，全部评估为False，其中一些给出了弃用警告：
import numpy as np
ce=np.array([[405, 162, 414, 0, np.array([list([1, 9, 2]), 18, (405, 18, 207), 64, 'Universal'],dtype=object),0, 0, 0]], dtype=object)
be=np.array([[405, 162, 414, 0, np.array([list([1, 9, 2]), 18, (405, 18, 207), 64, 'Universal'],dtype=object),0, 0, 0]], dtype=object)
print(np.any([bee in ce for bee in be]))
print(np.any([bee==cee for bee in be for cee in ce]))
print(np.all([bee in ce for bee in be]))
print(np.all([bee==cee for bee in be for cee in ce]))
当然other questions告诉我这应该起作用...
答案 0 :(得分：5)
要在数组之间进行逐元素比较，可以将numpy.equal()与关键字参数dtype=numpy.object一起使用，如下所示：
In [60]: np.equal(be, ce, dtype=np.object)
Out[60]:
array([[True, True, True, True,
array([ True, True, True, True, True]), True, True, True]],
dtype=object)
PS 已使用NumPy版本1.15.2和Python 3.6.6
从1.15发行说明开始，
Comparison ufuncs accept dtype=object, overriding the default bool
This allows object arrays of symbolic types, which override == and
other operators to return expressions, to be compared elementwise with
np.equal(a, b, dtype=object).
答案 1 :(得分：2)
您看到的行为已记录在Environment
中弃用¶
...
对象数组相等性比较
在将来的对象数组比较中，==和np.equal都不会 利用身份检查了。例如：
>
a = np.array（[np.array（[1，2，3]），1]）
b = np.array（[np.array（[1，2，3]），1]）
a == b
始终会返回False（将来还会返回错误），即使 a和b中的数组是同一对象。
等于运算符==将来会引发类似np.equal的错误 如果广播或元素比较等失败。
与arr ==的比较将来将不会做任何元素 比较，而不只是返回False。代码应使用arr 没有。
所有这些更改将在此时提供Deprecation-或FutureWarnings 时间。
到目前为止，如此清晰。是吗？
我们从@ kmario23的答案中可以看到，从15.2版开始，这些更改尚未完全实现。
让情况更糟的是，请考虑以下问题：
>>> A = np.array([None, a])
>>> A1 = np.array([None, a])
>>> At = np.array([None, a[:2]])
>>>
>>> A==A1
False
>>> A==At
array([ True, False])
>>>
看起来当前的行为更多是巧合，而不是精心计划的结果。
我怀疑这全都归结为在逐元素比较期间是否引发异常，请参见。 here和here。
如果包含数组的两个对应元素是数组本身并且具有兼容的形状（如A==A1），则它们的比较将生成一个布尔数组。试图将其转换为标量布尔值会引发异常。当前，会捕获异常并返回标量False。
在A==At示例中，比较最后两个元素时会引发异常，因为它们的形状不会广播。将捕获此错误，并且对此元素的比较返回标量False，这就是为什么包含数组的比较返回“正常”布尔数组的原因。
@ kmario23和@Kanak建议的解决方法如何？他们工作吗？
好吧，是的...
>>> np.equal(A, A1, dtype=object)
array([True, array([ True, True, True])], dtype=object)
>>> wrpr(np.equal(A, A1, dtype=object))
True
...不。
>>> AA = np.array([None, A])
>>> AA1 = np.array([None, A1])
>>> np.equal(AA, AA1, dtype=object)
array([True, False], dtype=object)
>>> wrpr(np.equal(AA, AA1, dtype=object))
False
答案 2 :(得分：1)
为补充@ kmario23的答案，该怎么做
def wrpr(bools):
ints = np.prod(bools.flatten())
if isinstance(ints, np.ndarray):
return wrpr(ints)
return bool(ints)
最后
>>> wrpr(np.equal(ce, be, dtype=np.object))
True
使用（numpy1.15.1＆Python 3.6.5）和（numpy1.15.1＆Python 2.7.13）检查。
但是仍然如此，如here
所评论NumPy用于刚性的多维数字网格。试图获得除了刚性多维网格之外的任何东西都将是痛苦的。 （@ user2357112，17年7月31日在23:10）
和/或
故事的寓意：不要使用
dtype=object数组。它们是性能低下的Python列表，性能很差，并且numpy并非旨在处理这些对象数组中类似序列的容器的情况。 （@ juanpa.arrivillaga，17年7月31日在23:38）