Python 检查numpy数组是否为二进制数组的快速方法（仅包含0和1）

给定一个numpy数组，如何快速判断它是否只包含0和1？ 是否有任何实施方法？

很少有方法-

((a==0) | (a==1)).all()
~((a!=0) & (a!=1)).any()
np.count_nonzero((a!=0) & (a!=1))==0
a.size == np.count_nonzero((a==0) | (a==1))

运行时测试-

In [313]: a = np.random.randint(0,2,(3000,3000)) # Only 0s and 1s

In [314]: %timeit ((a==0) | (a==1)).all()
     ...: %timeit ~((a!=0) & (a!=1)).any()
     ...: %timeit np.count_nonzero((a!=0) & (a!=1))==0
     ...: %timeit a.size == np.count_nonzero((a==0) | (a==1))
     ...: 
10 loops, best of 3: 28.8 ms per loop
10 loops, best of 3: 29.3 ms per loop
10 loops, best of 3: 28.9 ms per loop
10 loops, best of 3: 28.8 ms per loop

In [315]: a = np.random.randint(0,3,(3000,3000)) # Contains 2 as well

In [316]: %timeit ((a==0) | (a==1)).all()
     ...: %timeit ~((a!=0) & (a!=1)).any()
     ...: %timeit np.count_nonzero((a!=0) & (a!=1))==0
     ...: %timeit a.size == np.count_nonzero((a==0) | (a==1))
     ...: 
10 loops, best of 3: 28 ms per loop
10 loops, best of 3: 27.5 ms per loop
10 loops, best of 3: 29.1 ms per loop
10 loops, best of 3: 28.9 ms per loop

---

它们的运行时似乎是可比的。

如果您有权访问Numba（或者cython），您可以编写如下内容，这将大大加快捕获非二进制数组的速度，因为它将使计算短路/立即停止，而不是继续处理所有元素：

import numpy as np
import numba as nb

@nb.njit
def check_binary(x):
    is_binary = True
    for v in np.nditer(x):
        if v.item() != 0 and v.item() != 1:
            is_binary = False
            break

    return is_binary

在纯python中运行它而不借助于像Numba或Cython这样的加速器会使这种方法的速度慢得令人望而却步

时间：

a = np.random.randint(0,2,(3000,3000)) # Only 0s and 1s

%timeit ((a==0) | (a==1)).all()
# 100 loops, best of 3: 15.1 ms per loop

%timeit check_binary(a)
# 100 loops, best of 3: 11.6 ms per loop

a = np.random.randint(0,3,(3000,3000)) # Contains 2 as well

%timeit ((a==0) | (a==1)).all()
# 100 loops, best of 3: 14.9 ms per loop

%timeit check_binary(a)
# 1000000 loops, best of 3: 543 ns per loop

---

看起来您可以通过以下方式实现：

np.array_equal(a, a.astype(bool))

---

如果您的数组很大，那么应该避免复制太多的数组（如其他一些答案所示）。因此，它可能会比其他答案稍快一些（但未经测试）。

数据上只有一个循环：

0 <= np.bitwise_or.reduce(ar) <= 1

---

此方法（始终）分配一个与参数形状相同的临时数组，并且似乎比第一个方法循环数据的速度慢。

numpy unique如何

np.unique(arr)

---

如果为二进制，则应返回[0,1]。

以下内容应适用于仅包含数字的所有数组

set(array).issubset({0,1}) 

我们可以使用

np.isin（）

第1行：

挤压

以展开输入数组，因为我们不想用多维数组处理

np.isin（）的复杂性

第二行：

np.isin（）
检查输入的所有元素是属于0还是属于1。

np.isin（）
返回[真、假、真、真..]的列表。

然后
all（）！这也适用于
scipy
稀疏矩阵，只需使用
a.data
代替
a
注意：在上述条件下，全零数组也会返回True如果我没有弄错，当数组的正值大于1时，astype（bool）仍会返回True。因此，这不会给出正确的答案。@MehmetHakanKurtoğlu这正是表达式背后的想法：2将被
True
替换，但之后比较将失败！
set(array).issubset({0,1}) 

input_array = input_array.squeeze(-1)
is_binary   = np.isin(input_array, [0,1]).all()