NumPy如何实现类似Python原生的逐元素链式比较

Python原生支持链式比较语法，例如：

1 < 2 < 3 < 4

但NumPy无法直接复用该语法实现逐元素的多条件链式判断。

多数人首先会想到使用np.logical_and实现逻辑与判断，但该函数仅支持传入2个输入参数：

• 3个数组比较时，两两传参还可以正常运行：

import numpy as np
a = np.array([1,2,4,5,6])
b = np.array([2,6,1,5,6])
c = np.array([7,4,6,6,8])
np.logical_and((a <= b),(b <= c))

• 当参与比较的数组达到4个及以上时，要么嵌套多层np.logical_and写起来十分繁琐，要么直接传入3个及以上比较条件会直接触发参数错误：

a = np.array([1,2,4,5,6])
b = np.array([2,6,1,5,6])
c = np.array([7,4,6,6,8])
d = np.array([8,9,9,9,2])
np.logical_and((a <= b),(b <= c))  # 正常运行
np.logical_and((b <= c),(c <= d))  # 正常运行
np.logical_and((a <= b),(b <= c),(c <= d))  # 报错，参数数量超出限制

上述问题在高维数组场景下同样存在，二维数组测试数据示例：

a = np.array([[1,2,3],
              [4,5,6]])
b = np.array([[2,6,3],
              [1,5,6]])
c = np.array([[7,4,3],
              [6,6,8]])
d = np.array([[8,9,3],
              [9,9,2]])

可用实现方案 #

有两种简洁写法可以适配任意数量数组的逐元素链式比较，对一维、二维及更高维数组均生效：

• 写法1：用&运算符连接所有相邻数组的比较结果
  注意每个比较表达式必须单独加括号，避免运算符优先级导致逻辑错误。例如实现a <= b <= c <= d的逐元素判断：

  result = (a <= b) & (b <= c) & (c <= d)
  

  该写法返回和输入数组同形状的布尔数组，每个位置的值对应该位置元素是否满足全部链式比较条件。
• 写法2：收集所有相邻比较的布尔条件，用np.all沿0轴判断全True
  当参与比较的数组数量很多时，该写法不需要手动拼接多个&连接符，代码更易维护：

  conditions = [a <= b, b <= c, c <= d]
  result = np.all(conditions, axis=0)
  

两种写法返回的结果完全一致，用上述二维测试数据验证，最终输出结果为：

[[ True False  True]
 [False  True False]]

逐位置校验即可确认结果符合链式比较的预期。

注意：禁止直接在NumPy数组上套用原生链式比较语法a <= b <= c。Python会将该语法解析为(a <= b) and (b <= c)，而原生and运算符无法处理数组类型的布尔值，会触发“数组真值不明确”的报错。

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