Python逐元素比对0-1数组，求不等元素数量占比、解决numpy.mean异常问题

• 最常见的触发原因是你传入的A和B是普通Python列表，而非Numpy数组：Python原生列表的==运算符为整体相等判断，只会返回单个布尔值True（两个列表完全一致）或False（存在不一致元素），不会返回逐元素比较的布尔数组。当两个列表不完全相等时，A == B返回False，对应数值为0，求平均值的结果自然为0，和内部相等元素的占比没有关联。
• 次要排查点：如果已经将A、B转换为Numpy数组仍出现该问题，可检查两类情况：一是两个数组形状不匹配，触发了不符合预期的广播规则；二是两个数组数据类型不统一，比如一个存储的是字符串类型的'0'/'1'，另一个存储的是数值类型的0/1，逐元素比较会全为False，求平均结果为0。

核心操作是先将列表转为Numpy数组，让==/!=运算符触发逐元素比较逻辑，再统计你需要的不等元素个数和占比：

import numpy as np

# 原始列表
A = [0,1,0,0,1]
B = [1,1,0,0,1]

# 转换为Numpy数组
A_np = np.array(A)
B_np = np.array(B)

# 统计不等元素总个数
unequal_count = np.sum(A_np != B_np)
# 统计不等元素占总元素的比例
unequal_ratio = np.mean(A_np != B_np)

print(unequal_count) # 示例输出：1
print(unequal_ratio) # 示例输出：0.2

补充说明：

• 你原代码中的numpy.mean(A == B)统计的是相等元素的占比，如果要通过该结果推导不等占比，可改为1 - numpy.mean(A == B)，和直接用!=判断的结果一致。
• 如果是数据类型不匹配导致的问题，可在转换数组时统一指定类型，比如A_np = np.array(A, dtype=np.int8)，强制对齐类型后再做比较。

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