Python：统计二维数组每行与目标数组的元素匹配数量

给定数据 #

a = [ ['Active', '1.0', '0.0', 'Business', 'London'], ['Active', '0.0', '0.0', 'Business', 'Scotland'] ]

b = ['Active', '0.0', '0.0', 'Retail', 'London']

需求与期望输出 #

需要统计二维数组a中每行与一维数组b对应列元素的匹配数量（顺序必须严格对应同列），期望输出为[3, 3]——a的第0行与b有3个同列元素匹配，第1行同样有3个。同时需考虑大规模数组的处理性能。

已尝试的错误代码 #

[sum(x==y) for x,y in zip(a,b)]

错误原因：zip(a,b)会把a的每一行和b的单个元素配对（比如a的第一行和b[0]配对），而非将a的每一行与整个b逐元素比较，逻辑完全错误。

可行解决方案 #

1. 纯Python基础实现（适用于中小规模数据）

通过列表推导式，对a的每一行，逐元素与b对应位置比较后求和：

[sum(x == y for x, y in zip(row, b)) for row in a]

执行后直接得到预期的[3, 3]，逻辑简单直观。

2. 高性能实现（适用于大规模数据）

使用numpy的向量化运算，能大幅提升处理效率：

import numpy as np

# 转换为numpy数组
a_np = np.array(a)
b_np = np.array(b)

# 逐元素比较后按行求和，再转回列表
result = (a_np == b_np).sum(axis=1).tolist()

向量化运算避免了Python循环的开销，处理百万级以上数据时性能优势明显。

内容的提问来源于stack exchange，提问作者Robbie G