如何仅向列表中添加唯一的2x2 NumPy矩阵？

问题背景 #

要实现的功能是：生成2x2的NumPy矩阵，检查它是否已存在于列表中，若不存在则添加进去。直接用mat not in l会触发报错：

*** ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

现有替代实现是遍历列表逐个对比矩阵差值，效率较低，需要更高效的解决办法。

初始尝试代码：

import numpy as np

l = None

for i in range(10):
    mat = np.random.randint(0, 2, size=4)
    mat = mat.reshape(2,2)
    
    if l is None:
        l = [mat]
    
    if mat not in l:
        l.append(mat)

低效的替代实现：

import numpy as np

l = None

for i in range(100):
    mat = np.random.randint(0, 2, size=4)
    mat = mat.reshape(2,2)
    
    if l is None:
        l = [mat]
    
    tmp_diff = [np.max(np.abs(elem - mat)) for elem in l]
    if np.min(tmp_diff) > 0:
        l.append(mat)

报错原因 #

NumPy多维数组不能直接用in运算符判断是否在列表中，因为in会尝试将数组转换为布尔值，而多维数组转换布尔值时会触发歧义——无法确定是要判断所有元素为真还是至少一个元素为真，因此抛出ValueError。

高效解决方案 #

方法1：用集合存储可哈希的矩阵标识（推荐循环场景） #

利用集合的O(1)查找效率，将每个矩阵转换为可哈希的类型（比如tuple或bytes），用集合记录已出现的矩阵，同时保留原矩阵的列表。

基于tuple的实现：

import numpy as np

unique_mats = []
seen = set()

for i in range(100):
    # 直接生成2x2矩阵，省去reshape步骤
    mat = np.random.randint(0, 2, size=(2, 2))
    # 将矩阵展平后转为tuple（可哈希类型）
    mat_signature = tuple(mat.flatten())
    if mat_signature not in seen:
        seen.add(mat_signature)
        unique_mats.append(mat)

基于bytes的实现（速度更快）：

import numpy as np

unique_mats = []
seen = set()

for i in range(100):
    mat = np.random.randint(0, 2, size=(2, 2))
    # 将矩阵转为字节串，是更高效的可哈希标识
    mat_signature = mat.tobytes()
    if mat_signature not in seen:
        seen.add(mat_signature)
        unique_mats.append(mat)

方法2：批量生成后用np.unique去重（适合一次性处理所有矩阵） #

如果可以先生成所有矩阵，再批量去重，直接使用np.unique指定轴参数即可，无需循环判断：

import numpy as np

# 一次性生成100个2x2矩阵
all_mats = np.random.randint(0, 2, size=(100, 2, 2))
# 按第0轴（矩阵维度）去重，得到唯一矩阵数组
unique_mats = np.unique(all_mats, axis=0)

效率对比 #

原替代方案每次循环都要遍历整个列表，时间复杂度为O(n²)（n为已添加的矩阵数量）；而集合查找的时间复杂度为O(1)，总时间复杂度为O(n)，当循环次数较多（比如1000次以上）时，效率差距会非常明显。

内容的提问来源于stack exchange，提问作者tommy J