Python NumPy-1D数组的最快惰性词典比较

我有两个NumPy 1D阵列

a

和

b

我如何比较它们？这意味着1D数组的比较方式应该与Python比较元组的方式相同

最重要的是，这应该是惰性的，也就是说，函数应该在已知结果的最左边找到结果后立即返回

另外，我正在寻找最快的numpy阵列解决方案。对于一些矢量化实现，可能使用其他numpy函数

否则，非惰性简单实现可能如下所示：

i = np.flatnonzero((a < b) != (a > b))
print('a ' + ('==' if i.size == 0 else '<' if a[i[0]] < b[i[0]] else '>') + ' b')

---

但它能在numpy中实现得又慢又快吗？我需要惰性行为，因为1D数组可能非常大，但在大多数情况下，比较结果非常接近于开头。

在纯python中，您可以迭代

zip

ped列表：

def lazy_compare(a, b):
    for x, y in zip(a, b):
        if x < y:
            return 'a < b'
        if x > y:
            return 'a > b'
    return 'a == b'

输出：

a > b
a < b
a == b

a>b
a

---

由于

zip

返回一个迭代器，该迭代器仅在您使用时生成值，因此这是一种惰性的方法，它会在找到一个结果后立即返回结果，因此，如果两个列表相等，则只需检查整个列表。

注释不用于扩展讨论；这段对话已经结束。

def lazy_compare(a, b):
    for x, y in zip(a, b):
        if x < y:
            return 'a < b'
        if x > y:
            return 'a > b'
    return 'a == b'

print(lazy_compare(['a', 'b', 'c', 'd', 'e'], ['a', 'b', 'b', 'd', 'e']))
print(lazy_compare(['a', 'b', 'c', 'd', 'e'], ['a', 'b', 'c', 'd', 'f']))
print(lazy_compare(['a', 'b', 'c', 'd', 'e'], ['a', 'b', 'c', 'd', 'e']))

a > b
a < b
a == b