Python 如何检查numpy数组列表是否包含给定的测试数组？

我有一个

numpy

数组的列表

a = [np.random.rand(3, 3), np.random.rand(3, 3), np.random.rand(3, 3)]

我有一个测试阵列，比如说

b = np.random.rand(3, 3)

我想检查

a

是否包含

b

。然而

b in a 

引发以下错误：

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

---

什么才是我想要的

好，所以中的

不起作用，因为它有效地

def in_(obj, iterable):
    for elem in iterable:
        if obj == elem:
            return True
    return False

现在的问题是，对于两个ndarray
a
和
b
，
a==b
是一个数组（试试看），而不是布尔值，因此如果a==b

失败，

。解决方法是定义一个新函数

def array_in(arr, list_of_arr):
     for elem in list_of_arr:
        if (arr == elem).all():
            return True
     return False

a = [np.arange(5)] * 3
b = np.ones(5)

array_in(b, a) # --> False

此错误是因为如果
a
和
b
是
numpy数组
，则
a==b
不会返回
True
或
False
，而是在比较
a
和
b
元素后返回
array
的
布尔值

您可以尝试以下方法：

np.any([np.all(a_s == b) for a_s in a])


[np.all（a_s==b）表示a中的a_s]
这里，您正在创建
布尔值列表，遍历
a
的元素，并检查
b
中的所有元素和
a
的特定元素是否相同

使用
np.any
可以检查数组中的任何元素是否为
True

如中所述，各州：

对于容器类型，如list、tuple、set、frozenset、dict或collections.deque，y中的表达式x等价于any（x是e或x==e表示y中的e）

a[0]==b
是一个数组，包含
a[0]
和
b
的元素级比较。这个数组的总真值显然不明确。如果所有元素都匹配，或者如果大多数元素都匹配，或者至少有一个元素匹配，那么它们是相同的吗？因此，
numpy
迫使你明确你的意思。您想知道的是，测试所有元素是否相同。您可以使用
numpy
的方法：

或者放入一个函数：

def numpy_in(arrayToTest, listOfArrays):
    return any((arrayToTest is e) or (arrayToTest == e).all()
               for e in listOfArrays)

您可以用
a
制作一个形状数组
（3,3,3）
：

a = np.asarray(a)

然后将其与
b
进行比较（我们在这里比较浮点数，因此应该使用
isclose（）
）

例如：

a = [np.random.rand(3,3),np.random.rand(3,3),np.random.rand(3,3)]
a = np.asarray(a)
b = a[1, ...]       # set b to some value we know will yield True

np.all(np.isclose(a, b), axis=(1, 2))
# array([False,  True, False])

使用数组_等于numpy

    import numpy as np
    a = [np.random.rand(3,3),np.random.rand(3,3),np.random.rand(3,3)]
    b = np.random.rand(3,3)

    for i in a:
        if np.array_equal(b,i):
            print("yes")

正如@jotasi所强调的，由于数组中的元素比较，真值不明确。
这个问题以前有一个答案。总的来说，您的任务可以通过多种方式完成：

要阵列的列表：
通过将列表转换为（3,3,3）形状的数组，可以使用“in”运算符，如下所示：

    >>> a = [np.random.rand(3, 3), np.random.rand(3, 3), np.random.rand(3, 3)]
    >>> a= np.asarray(a)
    >>> b= a[1].copy()
    >>> b in a
    True

np.all：

>>> any(np.all((b==a),axis=(1,2)))
True


列表扩展：
这可以通过迭代每个数组来完成：

>>> any([(b == a_s).all() for a_s in a])
True


以下是上述三种方法的速度比较：


你试过列表理解吗？列表理解是什么意思？在我的理解中，列表理解意味着类似于[a代表某个表中的a]在这个任务中列表理解的意义是什么？为什么不让
a
a
3x3x3
array？实际上，
（a==b）。all（）
并不比
np.array\u等于（a，b）
。主要区别在于，
np.array_equal
首先测试数组的形状。
>>> any(np.all((b==a),axis=(1,2)))
True

>>> any([(b == a_s).all() for a_s in a])
True

import numpy as np
import perfplot

perfplot.show(
    setup=lambda n: np.asarray([np.random.rand(3*3).reshape(3,3) for i in range(n)]),
    kernels=[
        lambda a: a[-1] in a,
        lambda a: any(np.all((a[-1]==a),axis=(1,2))),
        lambda a: any([(a[-1] == a_s).all() for a_s in a])
        ],
    labels=[
        'in', 'np.all', 'list_comperhension'
        ],
    n_range=[2**k for k in range(1,20)],
    xlabel='Array size',
    logx=True,
    logy=True,
    )