NumPy中浮点数与整数数组的匹配行为不一致问题

整数数组场景（行为符合预期） #

以下代码用于判断array1的每个子数组是否在array2中存在，运行结果符合预期：

import numpy as np

# 创建5x3数组
array1 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [101, 110, 120], [13, 14, 15]])

# 创建8x3数组
array2 = np.array([[1, 2, 3], [7, 8, 9], [4, 5, 6], [16, 17, 18], [19, 20, 21], [10, 11, 12], [22, 23, 24], [13, 14, 15]])

# 检查array1每个元素与array2所有元素的相等性
result = np.any(array1[:, None] == array2, axis=2)

# 转换为nx1布尔矩阵
final_result = np.squeeze(np.any(result, axis=1, keepdims=True))

输出：

[ True  True  True False  True]

浮点数数组场景（行为异常） #

但切换到浮点数数组时，代码逻辑出现问题：

import numpy as np

array3 = np.array([[90., -40.8 , -1.35],[0., 0., -1.35],[0., 0.,-1.35], [100., 0.,-1.35], [-10., 50.8,-1.35], [100., -50.8,5.], [ 29.5, 0., 5.  ],[ -2.89, -50.8,-1.35], [0., 0.,0.], [0., 0.,0.], [0., 0.,0.], [0., 0.,0.], [0., 0.,0.]], dtype=float)

array4 = np.array([[90, -50.8, -1.35], [90, -50.8, 5], [90, -50.8, -1.35], [-10, 50.8, -1.35], [-10, 50.8, 5], [90, -50.8, 5]], dtype=float)

# 检查array4每个元素与array3所有元素的相等性
result = np.any(array4[:, None] == array3, axis=2)

# 转换为nx1布尔矩阵
final_result = np.squeeze(np.any(result, axis=1, keepdims=True))

输出：

[ True  True  True  True  True  True]

实际仅array4[3]的子数组在array3中完全存在，其余均不匹配，预期输出应为：

[False False False True False False]

问题原因 #

原代码中使用了两次np.any()：

• 第一次np.any(..., axis=2)：只要子数组中有任意一个元素匹配就返回True
• 第二次np.any(..., axis=1)：只要array3中有任意一行满足上述条件就返回True
  这导致只要子数组有一个元素和array3中某行的对应元素相等，就会判定为匹配，而非整个子数组完全匹配。

解决方案 #

要实现整个子数组所有元素完全匹配的判断，需要：

1. 先通过np.all(..., axis=2)检查每行的所有元素是否完全相等（即子数组完全匹配）
2. 再通过np.any(..., axis=1)检查array3中是否存在这样的完全匹配行

修改后的代码 #

import numpy as np

array3 = np.array([[90., -40.8 , -1.35],[0., 0., -1.35],[0., 0.,-1.35], [100., 0.,-1.35], [-10., 50.8,-1.35], [100., -50.8,5.], [ 29.5, 0., 5.  ],[ -2.89, -50.8,-1.35], [0., 0.,0.], [0., 0.,0.], [0., 0.,0.], [0., 0.,0.], [0., 0.,0.]], dtype=float)

array4 = np.array([[90, -50.8, -1.35], [90, -50.8, 5], [90, -50.8, -1.35], [-10, 50.8, -1.35], [-10, 50.8, 5], [90, -50.8, 5]], dtype=float)

# 先检查每行所有元素是否完全匹配，再检查是否存在匹配行
result = np.all(array4[:, None] == array3, axis=2)
final_result = np.squeeze(np.any(result, axis=1, keepdims=True))

print(final_result)

输出结果 #

[False False False True False False]

浮点数匹配注意事项 #

由于浮点数存在精度误差，直接用==判断相等可能出现意外错误。建议使用np.allclose()替代==，设置合理的容差：

# 带精度容差的完全匹配判断
result = np.all(np.allclose(array4[:, None], array3, atol=1e-6), axis=2)
final_result = np.squeeze(np.any(result, axis=1, keepdims=True))

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