如何生成标记二维NumPy数组各元素出现行索引的0-1矩阵

需求本质是构建取值-行号的存在性标记矩阵：矩阵行索引对应原数组的元素取值，列索引对应原数组的行号，取值在对应行出现则位置标1，否则标0。以下给出两种可直接运行的实现：

方法1：直观索引赋值（易读性优先） #

逻辑非常直接：先初始化对应尺寸的全0矩阵，逐行扫描原数组，将当前行出现过的取值对应位置标记为1即可。

import numpy as np

# 输入数组
input_array = np.array([[0, 4, 6],
                        [5, 4, 1],
                        [2, 1, 0],
                        [4, 1, 0],
                        [1, 5, 3]])

row_count = input_array.shape[0]
max_value = input_array.max()
# 初始化全0输出矩阵，尺寸为（取值总数 × 原数组行数）
output_array = np.zeros((max_value + 1, row_count), dtype=int)

for col_idx in range(row_count):
    # 提取当前行所有去重后的取值，避免重复赋值
    current_values = np.unique(input_array[col_idx])
    # 将对应取值行、当前列的位置设为1
    output_array[current_values, col_idx] = 1

运行后得到的output_array和题目给出的期望结果完全一致。

方法2：纯矢量化运算（性能优先） #

如果处理的数组规模很大，可以用NumPy广播机制实现无Python层循环的版本，运行效率更高：

# 生成所有待检测的取值，转为(取值总数, 1, 1)的形状用于广播
value_seq = np.arange(input_array.max() + 1).reshape(-1, 1, 1)
# 广播对比后，判断每个取值是否在对应行存在，转为整数0/1
output_array = (value_seq == input_array).any(axis=2).astype(int)

逻辑说明：把0到最大值的取值序列调整为(取值数, 1, 1)的形状，和形状为(原数组行数, 原数组列数)的输入做相等判断时，会广播生成(取值数, 原数组行数, 原数组列数)的布尔数组，沿最后一个维度做any判断，只要对应位置有一个True就说明该取值在对应行存在，最后转成整型就是需要的0-1矩阵。

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