如何用Numpy快速构建文档与查询的布尔交互矩阵？

当然有，利用Numpy的广播机制就能实现完全向量化的操作，不需要任何Python循环，效率极高，适合处理大规模的document数组。

核心实现代码 #

import numpy as np

# 示例数据
document = np.array([2, 8, 3, 4])
query = np.array([5, 2, 4])

# 生成目标布尔矩阵（0/1形式）
result = (document[:, np.newaxis] == query).astype(int)

原理说明 #

1. 维度扩展：document[:, np.newaxis]将一维的document数组转换为列向量（形状从(N,)变为(N, 1)），而query本身是一维的行向量（形状为(M,)）。
2. 广播比较：Numpy会自动将两个数组广播为相同的(N, M)形状，然后逐元素执行相等比较，得到布尔类型的矩阵。
3. 类型转换：用.astype(int)将布尔值True/False转换为1/0，符合你需要的数值格式。

替代写法 #

也可以用np.equal函数实现相同效果，语法更直观：

result = np.equal(document[:, None], query).astype(int)

这里None和np.newaxis作用完全一致，都是用来扩展维度。

性能优势 #

这种方式完全依赖Numpy底层的C语言实现，没有Python循环的开销，即使处理1E7级别的document数组，也能快速完成计算。内存方面，若使用布尔类型存储（不转换为int），仅需约N*M/8字节的内存，对于8个元素的query，1E7元素的document仅占用约10MB内存，非常高效。

内容的提问来源于stack exchange，提问作者Aurélien Pierre