如何用NumPy高效计算保持原形状的0-1数组重叠1交集？

对于你需要的仅保留两个0/1数组对应位置重叠1的需求，最高效的实现是利用numpy的向量化元素级运算，完全避免低效的逐元素循环。

核心方法 #

因为数组元素只有0和1，直接对两个数组做元素级乘法，或者用逻辑与运算后转换为整数，就能得到目标结果：

• 乘法：当且仅当对应位置均为1时，乘积为1；否则为0
• 逻辑与：np.logical_and返回布尔数组，True对应原位置均为1，转换为int后True变1、False变0

代码示例 #

import numpy as np

# 示例数组
array1 = np.array([0, 0, 1, 1, 0, 1, 1])
array2 = np.array([0, 0, 0, 1, 1, 1, 0])

# 方法1：元素级乘法（更简洁）
array_out = array1 * array2
# 输出：array([0, 0, 0, 1, 0, 1, 0])

# 方法2：逻辑与转整数
array_out = np.logical_and(array1, array2).astype(int)

为什么之前的方法不适用 #

• numpy.intersect1d：功能是找出两个数组的公共元素集合，而非对应位置的匹配，因此会返回[0,1]，丢失原数组形状和位置信息
• numpy.isin：判断每个元素是否存在于另一个数组中，无法区分「对应位置均为0」和「对应位置均为1」的情况，不符合需求

性能说明 #

这两种方法都是numpy底层优化的向量化操作，完全适配(256, 256, 256)规模的数组，20次重复操作也能快速完成，效率远高于逐元素循环。

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