如何在 numpy 中搜索数组的每一行中的索引值创建一个布尔数组

How do I search for index values in each row of an array in numpy creating a boolean array

给定一个大小为 MxN 的数组和一个大小为 Mx1 的数组,我想计算一个 MxN 的布尔数组。

import numpy as np

M = 2
N = 3

a = np.random.rand(M, N) # The values doesn't matter
b = np.random.choice(a=N, size=(M, 1), replace=True)
# b =
# array([[2],
#        [1]])

# I found this way to compute the boolean array but I wonder if there's a fancier, elegant way

index_array = np.array([np.array(range(N)), ]*M)
# Create an index array
# index_array = 
# array([[0, 1, 2],
#        [0, 1, 2]])
#

boolean_array = index_array == b
# boolean_array =
# array([[False, False,  True],
#        [False,  True, False]])
#

所以我想知道是否有更奇特的 pythonic 方式来做到这一点

您可以通过直接广播与单个 1d 范围的比较来简化:

M = 2
N = 3
a = np.random.rand(M, N) 
b = np.random.choice(a=N, size=(M, 1), replace=True)

print(b)
array([[1],
       [2]])

b == np.arange(N)
array([[False,  True, False],
       [False, False,  True]])

一般来说,广播在这些情况下很方便,因为它使我们不必创建形状兼容的数组来执行与其他数组的操作。对于生成的数组,我可能会改为使用以下内容:

np.broadcast_to(np.arange(N), (M,N))
array([[0, 1, 2],
       [0, 1, 2]])

尽管如前所述,NumPy 使这里的生活更轻松,因此我们不必为此担心。