创建一个布尔数组，将 Numpy 张量中的每个矩阵与 Numpy 数组中的不同整数进行比较

Question

假设我有一个 3*3*3 的 Numpy 张量 X（实际尺寸会有所不同）。我想针对一组整数中的不同值测试张量中的每个矩阵。

例如如果

X=np.array([1,2,3]*9).reshape(3,3,3)
test=np.array([1,2,3])

所需的输出为：

 [[[ True, False, False],
    [True, False, False],
    [True, False, False]],

   [[False,  True, False],
    [False,  True, False],
    [False,  True, False]],

   [[False, False,  True],
    [False, False,  True],
    [False, False,  True]]])

但是我似乎得不到这个结果。 X==测试returns:

array([[[ True,  True,  True],
        [ True,  True,  True],
        [ True,  True,  True]],

       [[ True,  True,  True],
        [ True,  True,  True],
        [ True,  True,  True]],

       [[ True,  True,  True],
        [ True,  True,  True],
        [ True,  True,  True]]])

如果

test=[[1],[2],[3]]

我得到：

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

       [[ True, False, False],
        [False,  True, False],
        [False, False,  True]],

       [[ True, False, False],
        [False,  True, False],
        [False, False,  True]]])

同样的结果也适用于 np.equal。有没有不使用任何循环的直接方法来做到这一点？似乎有一种方法可以使用索引

X[[0,1,2],[0,2,1]]

会产生

np.array([X[0][0],X[1][2],X[2][1]])

而不是

X[:,[0,2,1]]

Answer 1

这是一个简单的相等比较，但棘手的部分是弄清楚如何广播该操作。你可以这样做，

X == test[:, None, None]

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

       [[False,  True, False],
        [False,  True, False],
        [False,  True, False]],

       [[False, False,  True],
        [False, False,  True],
        [False, False,  True]]])

其中，

test[:, None, None]

array([[[1]],

       [[2]],

       [[3]]])

我们的想法是让 X 和 test 的维度匹配，这样我们就可以广播相等比较，所以 test 的第一项与第一个子项进行比较X的矩阵，第二项与第二个子矩阵比较，依此类推。

创建一个布尔数组，将 Numpy 张量中的每个矩阵与 Numpy 数组中的不同整数进行比较

Create a boolean array comparing each matrix in a Numpy tensor to a different integer in a Numpy Array

arrays

boolean

numpy

vectorization

tensor