Python 仅比较numpy中的对象引用

我有一个Python对象的numpy数组。我想将数组与python对象进行比较，我不想与

=

运算符进行比较，但仅进行一次引用比较就足以满足我的要求

import numpy as np
a = np.array(["abc", "def"], dtype="object")
a == "abc"

我确信我的数组的引用副本就足够了。假设数组中的所有字符串都已被插入

这主要是为了在比较大量值时提高性能。Python对象比较非常慢

a是“abc”不会做我想做的事，因为

In [1]: import numpy as np

In [2]: a = np.array(["abc", "def"], dtype="object")

In [3]: a == "abc"
Out[3]: array([ True, False], dtype=bool)

In [4]: a is "abc"
Out[4]: False

我希望

a==“abc”

的结果，但我不希望Python的

\uuuueq\uuuuuu

方法用于相同的操作，只希望

是

操作符

参考比较就足以满足我的要求

要比较对象标识，请使用

is

而不是

=

：

if a is b:
   ...

python -mtimeit -s 'import numpy as np' -s 'import random, string' -s 'a = np.array(["".join(random.choice(string.ascii_lowercase) for x in range(4)) for e in range(100000)])' -s 'vector_is = np.vectorize(lambda x,y: x is y, otypes=[bool])' 'a == "abcd"'                                        
1000 loops, best of 3: 1.42 msec per loop

从：

运算符

为

且

不为

测试对象标识：

x为y

当且仅当

x

和

y

为同一对象时为真

x不是y

产生反真值

编辑：要将

is

应用于数组的每个元素，可以使用：

In [6]: map(lambda x:x is "abc", a)
Out[6]: [True, False]

或者简单地说：

In [9]: [x is "abc" for x in a]
Out[9]: [True, False]

参考比较就足以满足我的要求

要比较对象标识，请使用

is

而不是

=

：

if a is b:
   ...

python -mtimeit -s 'import numpy as np' -s 'import random, string' -s 'a = np.array(["".join(random.choice(string.ascii_lowercase) for x in range(4)) for e in range(100000)])' -s 'vector_is = np.vectorize(lambda x,y: x is y, otypes=[bool])' 'a == "abcd"'                                        
1000 loops, best of 3: 1.42 msec per loop

从：

运算符

为

且

不为

测试对象标识：

x为y

当且仅当

x

和

y

为同一对象时为真

x不是y

产生反真值

编辑：要将

is

应用于数组的每个元素，可以使用：

In [6]: map(lambda x:x is "abc", a)
Out[6]: [True, False]

或者简单地说：

In [9]: [x is "abc" for x in a]
Out[9]: [True, False]

关于：

那你有

>>> a = np.array(["abc", "def"], dtype="object")

>>> vector_is(a, "abc")
array([ True, False], dtype=bool)

不幸的是，我不知道您是否可以使用

操作符。这里是

，因为我

ValueError: failed to determine the number of arguments for <built-in function is_>

最后一种方法，

np.fromiter（（x是a中x的“abcd”），bool，len（a））

是从列表理解方法中获取numpy数组的一种方法

不幸的是，所有这些都比仅仅使用

==

慢得多：

if a is b:
   ...

python -mtimeit -s 'import numpy as np' -s 'import random, string' -s 'a = np.array(["".join(random.choice(string.ascii_lowercase) for x in range(4)) for e in range(100000)])' -s 'vector_is = np.vectorize(lambda x,y: x is y, otypes=[bool])' 'a == "abcd"'                                        
1000 loops, best of 3: 1.42 msec per loop

关于：

那你有

>>> a = np.array(["abc", "def"], dtype="object")

>>> vector_is(a, "abc")
array([ True, False], dtype=bool)

不幸的是，我不知道您是否可以使用

操作符。这里是

，因为我

ValueError: failed to determine the number of arguments for <built-in function is_>

最后一种方法，

np.fromiter（（x是a中x的“abcd”），bool，len（a））

是从列表理解方法中获取numpy数组的一种方法

不幸的是，所有这些都比仅仅使用

==

慢得多：

if a is b:
   ...

python -mtimeit -s 'import numpy as np' -s 'import random, string' -s 'a = np.array(["".join(random.choice(string.ascii_lowercase) for x in range(4)) for e in range(100000)])' -s 'vector_is = np.vectorize(lambda x,y: x is y, otypes=[bool])' 'a == "abcd"'                                        
1000 loops, best of 3: 1.42 msec per loop

---

我不确定，你把我的问题问对了。例如在[1]：将numpy作为np导入[2]：a=np.array（[“abc”，“def”]，dtype=“object”）在[3]：a==“abc”Out[3]：array（[True，False]，dtype=bool）在[4]：a是“abc”Out[4]：False请查看结果中的差异a==“abc”和a是“abc”。我想要相同的结果a==“abc”，但我不想为相同的而只是“is”调用python对象eq方法。map将比a==“abc”花费大量时间，因为结果数组将是python数组。我不确定，我的问题你答对了。例如在[1]：将numpy作为np导入[2]：a=np.array（[“abc”，“def”]，dtype=“object”）在[3]：a==“abc”Out[3]：array（[True，False]，dtype=bool）在[4]：a是“abc”Out[4]：False请查看结果中的差异a==“abc”和a是“abc”。我想要相同的结果a==“abc”，但我不想为相同的而只是“is”调用python对象eq方法。map将比a==“abc”花费大量时间，因为结果数组将是python数组。不幸的是，这比a==“abc”慢，因为它无论如何都会涉及python方法调用（速度很慢）.Right——如果

operator.is

工作，它可能会更快，但是

numpy.vectorize

出于某些愚蠢的原因不喜欢这样。不幸的是，这比a==“abc”慢，因为它无论如何都会涉及python方法调用（速度很慢）。对——如果

operator.is

工作，它可能会更快，但是

numpy.vectorize

出于某种愚蠢的原因不喜欢它。在仔细研究之后，我认为你不会得到任何超过纯Python中列表理解的东西（或者如果你确实想要一个numpy数组，那么我的答案中的

fromiter

）。如果你想在C语言中实现它，你可以看到

==

是如何实现的……在仔细研究之后，我认为你不会在纯Python中得到任何超过列表理解的东西（或者如果你确实想要一个numpy数组，那么我的答案中的

fromiter

）。如果您想在C中实现它，您可以看到

==

是如何实现的。。。。