如何在numpy中比较任意嵌套的ndarray（多维数组）？

你遇到的问题是：当两个NumPy数组的dtype=object，且元素是子数组时，常规的比较方法无法直接判断整体是否相等。以下是几种可行的解决办法：

方法一：递归遍历子数组逐一比较 #

通过遍历数组的每一层元素，用np.array_equal检查每个子数组的内容是否一致，最后用np.all确认所有比较结果都为True：

import numpy as np

# 假设a和b是你的嵌套数组
result = np.all([np.array_equal(a_elem, b_elem) 
                 for row_a, row_b in zip(a, b) 
                 for a_elem, b_elem in zip(row_a, row_b)])
print(result)  # 输出True

方法二：转换为普通多维数组后比较 #

如果所有子数组的形状一致（比如示例中都是长度为2的一维数组），可以将嵌套数组转换为普通的多维数组，再用np.array_equal直接比较：

# 将嵌套数组转换为三维数组
a_3d = np.stack(a.ravel()).reshape(a.shape + (2,))
b_3d = np.stack(b.ravel()).reshape(b.shape + (2,))

result = np.array_equal(a_3d, b_3d)
print(result)  # 输出True

这里a.ravel()将原数组展平为一维（每个元素是子数组），np.stack把这些子数组堆叠成二维数组，最后reshape恢复原数组结构并加上子数组的维度，得到普通的多维数组。

方法三：用向量化函数批量比较子数组 #

用np.vectorize包装np.array_equal，实现对数组中每个子数组的批量比较，再用np.all确认整体结果：

vec_compare = np.vectorize(lambda x, y: np.array_equal(x, y))
result = np.all(vec_compare(a, b))
print(result)  # 输出True

np.vectorize会自动遍历数组的每个元素，将传入的函数应用到每一对子数组上，返回一个和原数组形状相同的布尔数组，最后用np.all判断所有位置的比较结果都为True。

为什么原有方法失效？ #

• np.array_equal(a, b)返回False：因为dtype=object的数组会直接比较元素的内存地址，而非内容。即使子数组内容相同，只要是不同的数组对象，就会被判定为不相等。
• np.equal(a, b).all()报错：np.equal对每个子数组比较后，返回的是嵌套的布尔数组（每个元素是子数组的布尔比较结果）。直接调用.all()会尝试将整个嵌套数组转为布尔值，NumPy不允许这种操作，因此抛出歧义错误。你可以先对每个子数组的布尔结果取.all()，再整体判断：

# 对原有np.equal结果的修正处理
bool_nested = np.equal(a, b)
result = np.all([sub_bool.all() for sub_bool in bool_nested.ravel()])
print(result)  # 输出True

内容的提问来源于stack exchange，提问作者xpqz