Python 如何测试numpy中的所有行是否相等

在numpy中，是否有一种很好的惯用方法来测试2d数组中的所有行是否相等

我可以做类似的事情

np.all([np.array_equal(M[0], M[i]) for i in xrange(1,len(M))])

这似乎混合了python列表和numpy数组，这很难看，而且可能也很慢

是否有更好/更整洁的方法？

只要检查数组中唯一项的数字是否为1：

>>> arr = np.array([[1]*10 for _ in xrange(5)])
>>> len(np.unique(arr)) == 1
True

受联合国大学启发的解决方案：

代码的一个问题是，在应用

np.all（）

之前，首先要创建一个完整的列表。由于在您的版本中没有发生短路，因此，如果使用Python的

all（）

和生成器表达式，则会更好：

时间比较：

>>> M = arr = np.array([[3]*100] + [[2]*100 for _ in xrange(1000)])
>>> %timeit np.all(np.all(arr == arr[0,:], axis = 1))
1000 loops, best of 3: 272 µs per loop
>>> %timeit (np.diff(M, axis=0) == 0).all()
1000 loops, best of 3: 596 µs per loop
>>> %timeit np.all([np.array_equal(M[0], M[i]) for i in xrange(1,len(M))])
100 loops, best of 3: 10.6 ms per loop
>>> %timeit all(np.array_equal(M[0], M[i]) for i in xrange(1,len(M)))
100000 loops, best of 3: 11.3 µs per loop

>>> M = arr = np.array([[2]*100 for _ in xrange(1000)])
>>> %timeit np.all(np.all(arr == arr[0,:], axis = 1))
1000 loops, best of 3: 330 µs per loop
>>> %timeit (np.diff(M, axis=0) == 0).all()
1000 loops, best of 3: 594 µs per loop
>>> %timeit np.all([np.array_equal(M[0], M[i]) for i in xrange(1,len(M))])
100 loops, best of 3: 9.51 ms per loop
>>> %timeit all(np.array_equal(M[0], M[i]) for i in xrange(1,len(M)))
100 loops, best of 3: 9.44 ms per loop

---

一种方法是检查数组

arr

的每一行是否等于其第一行

arr[0]

：

(arr == arr[0]).all()

对于整数值，使用相等

=

是可以的，但是如果

arr

包含浮点值，您可以使用它来检查给定公差内的相等性：

np.isclose(a, a[0]).all()

如果您的数组包含

NaN

，并且希望避免棘手的

NaN！=NaN

问题，您可以将此方法与np结合使用。isnan：

(np.isclose(a, a[0]) | np.isnan(a)).all()

---

值得一提的是，该方法不适用于多维数组

例如：对于三维方形图像张量

img

[256，256，3]，我们需要检查图像中是否有相同的RGB[256，256]层。 在这种情况下，我们需要使用

（img==img[：，：，0，np.newaxis]）.all（）

---

因为simple

img[：，：，0]

给了我们[256，256]，但我们需要[256，256，1]通过层进行广播。

我认为这是最快的方法。谢谢。检查相等，而不是差的0相等，可能会快一点。那么

（np.diff（b，1，1）==0）。all（）

@Jaime-谢谢你的建议，我已经将它编辑到了答案中。现在有

np.allclose

。我认为ajcr的答案更快@user2179021在我的系统上花费了

650µs

，因此仍然比我的第二个答案慢。同意-第二个方法在我的系统上也比我的方法快。你认为有类似的快速方法来判断所有行是否不同吗？第一个方法实际上是检查数组的所有项是否相同，如果所有行都是相同的，则不是。。。尝试使用

np.array（[[1,2,3]，[1,2,3]]）

。正如我所说的，这确实需要一个适当的解决方案，它不会创建一个像原始数组那样大的临时数组（这里和那里的答案都是这样）。我会张贴一个答案，一旦我做了补充numpy。

(np.isclose(a, a[0]) | np.isnan(a)).all()