求助：计算Numpy数组中符合特定非支配条件的行数

问题明确 #

给定一个50行15列的Numpy数组，需要统计满足以下条件的行数：不存在其他行（排除自身），使得该行所有列值≤当前行，且至少有一列值严格小于当前行。

核心逻辑 #

这个问题本质是寻找数组中的帕累托最优行——即没有其他行能在所有维度上不劣于它，同时至少在一个维度上更优。

实现步骤 #

1. 生成行比较矩阵 #

利用Numpy的广播特性，计算每一行与其他所有行的逐列比较结果：

• 先判断行j的所有列是否≤行i
• 再判断行j是否至少有一列严格<行i
• 合并两个条件，得到行j是否“弱小于”行i的矩阵

2. 筛选符合要求的行 #

对于每一行，若对应的比较行中没有任何一行满足“弱小于”条件，则该行符合要求，统计这类行的总数。

代码实现 #

import numpy as np

# 假设你的数据已经转为Numpy数组x
# x = x.to_numpy()

# 示例数据测试
x = np.array([
    [10, 80],
    [20, 70],
    [30, 90],
    [25, 50],
    [35, 10],
    [40, 60],
    [50, 10]
])

# 计算行i >= 行j的逐列布尔矩阵
row_ge = x[:, np.newaxis, :] >= x[np.newaxis, :, :]
# 行j弱小于行i的条件：所有列<=行i，且至少一列<行i
weak_less_mask = np.all(row_ge, axis=2) & np.any(x[:, np.newaxis, :] > x[np.newaxis, :, :], axis=2)
# 排除自身比较（对角线置为False）
np.fill_diagonal(weak_less_mask, False)

# 统计无弱小于行的数量
valid_count = np.sum(~np.any(weak_less_mask, axis=1))
print(valid_count)  # 示例输出：3

性能说明 #

对于50行15列的数据集，该算法的时间复杂度为O(n²*d)（n=50，d=15），计算量极小，无需额外优化。

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