Python 如何将数组与数组列表进行比较？

假设我有一个包含大量

numpy

ndarray（甚至

torch

张量）的列表：

现在，如果我要检查数组

b

是否在

集合中（假设我不知道
集合中存在哪些数组
），那么尝试：
b在集合中
会抛出以下错误：

ValueError：包含多个元素的数组的真值不明确。使用a.any（）或a.all（）

这同样适用于包含数组的元组

解决这个问题的一种方法是做一个列表理解：

True in [(b == x).all() for x in collection]

但是，这需要一个
for
循环，我想知道是否有更“有效”的方法来实现这一点？
我会一直使用numpy数组：

将numpy导入为np
a、 b，c=np.random.rand（3,3），np.random.rand（3,3），np.random.rand（3,3）
array=np.dstack（[a，b，c]）
打印（数组.形状）
# (3, 3, 3)
np.all（数组==b，轴=1）.all（轴=1）.any（）
#真的
您可以沿
轴=0
在一个numpy数组中堆叠任意形状的张量，然后立即将所有剩余轴与
np进行比较。all
（这只是PaulH答案的一个稍微清晰的版本）：

非常好的解决方案：）@paulh最后一行给了我错误的答案。也许是np.stack（）而不是np.dstack（）？你能给我解释一下关键字“axis”到底指的是什么吗？比如，如果它被设置为2，那意味着什么，它到底在比较什么？把它们看作是张量笛卡尔轴的标签。对于矩阵（嵌套数组），轴0==行值，轴1==列值
True in [(b == x).all() for x in collection]

ugly_shaped_tensor_list = [np.random.rand(3,7,5,3) for j in range(10)]
known_tensor = ugly_shaped_tensor_list[1]

# stack all tensors in a single array along axis=0:
tensor_stack = np.stack(ugly_shaped_tensor_list)

# compare all axes except the "list" axis, 0:
matches = np.all(tensor_stack == known_tensor, axis=(1,2,3,4))
# array([False,  True, False, False, False, False, False, False, False, False])
matches.any()
# True