Numpy 矢量化布尔比较：将一列与整个矩阵进行比较

我有一个简单的矩阵

a = sps.csc_matrix( (z , (x,y)), shape = (N,N), dtype = int)

我还有一个1D数组

z

，我想与

a

中的每一列进行比较，并计算匹配项

count = 0
for i in range(N):
    count += (z == a[:,j]).sum()

这需要很长时间，因为代码没有矢量化。有没有办法将这种比较矢量化

a == z

---

不起作用。但是我想要一个类似于numpy中两个数组的

a*z

如何快速执行逐列乘法的方法，而不是显式循环

a

的列并乘以

z

。

这能满足您的需要吗

(a == z[:, None]).sum()

---

您能否提供一个简单的示例代码来完全初始化

a

和

z

矩阵（即定义

z

，

x

，

y

，

N

）。@farenorth x，y和z只是N维numpy数组。我认为您的循环没有达到您想要的效果。看看

（z==a[：，i]）。shape

。是NxN

（a==z[：，None]）

返回一个布尔值。它甚至不是一个向量。“无”是做什么的？我想我可以先把z的列复制到另一个矩阵中，然后再做一个矩阵比较……对我来说不是这样

（a==z[：，None]）

给出一个逻辑numpy数组。听起来你可能在代码的某个地方重新定义了

a

。

z[：，None]

是

z

的“列向量”视图。如果我首先将稀疏矩阵转换为[密集]数组，但如果我将

a

作为稀疏矩阵，则不会。我怀疑这可能与a）如何构造

a

有关，或者b）这与我们的numpy或scipy版本不同。代码对我来说是有效的，无需将数组转换为密集数组。