如何高效对大型二维布尔数组横向执行np.logical_and操作？

直接使用numpy的np.all()函数，通过指定axis=1参数实现横向（每行）的AND聚合，这是最适合大数组的高效方案：

import numpy as np

k = np.array([[True, True, False],
              [True, False, False],
              [True, True, True]])

# 对每行执行AND操作，得到预期结果
result = np.all(k, axis=1)
print(result)
# 输出: array([False, False,  True])

为什么这个方法高效？ #

numpy的内置聚合函数（比如np.all）是基于C语言实现的向量化操作，完全绕开了Python层面的循环开销。对于你提到的大尺寸数组，这种方法的执行速度会比Python for循环快几个数量级，能彻底解决循环耗时过长的问题。

补充说明 #

• 如果需要对每列执行AND操作，只需将axis参数改为0：

  column_wise_result = np.all(k, axis=0)
  print(column_wise_result)
  # 输出: array([ True, False, False])
  

• np.all()对布尔数组的逻辑与运算做了专门优化，比手动调用np.logical_and再循环的方式更简洁高效。

内容的提问来源于stack exchange，提问作者Crear