如何对numpy.ndarray每一行内的所有元素执行XOR逻辑运算

实现方案 #

你可以直接用np.logical_xor的reduce方法沿行维度累积计算异或，全程是numpy向量化操作，效率极高，不需要写任何Python层循环：

import numpy as np

# 示例输入数组
arr = np.array([[0., 0., 0., 0.],
                [0., 1., 0., 0.],
                [0., 1., 0., 0.],
                [1., 0., 0., 1.],
                [1., 1., 1., 1.],
                [1., 1., 1., 1.]])

# 逐行计算所有元素异或，keepdims保持二维列向量格式
result = np.logical_xor.reduce(arr, axis=1, keepdims=True).astype(float)

运行后输出的result结构完全匹配你需要的格式：

array([[0.],
       [1.],
       [1.],
       [0.],
       [0.],
       [0.]])

其他可选方案 #

如果你能确认数组中只有0和1两种取值，也可以用统计行内1的个数模2的方式实现，逻辑上等价于逐位异或：

result = (arr.sum(axis=1, keepdims=True) % 2).astype(float)

说明 #

• reduce方法的作用是将二元逻辑异或操作沿指定轴（axis=1对应行维度）重复应用，直到该维度只剩一个元素，就是整行异或的结果
• keepdims=True参数保证输出是二维列向量结构，和你要求的输出格式一致，如果不需要二维结构去掉这个参数即可得到一维结果
• astype(float)是为了匹配输入数组的浮点类型，如果需要布尔值或者整数类型可以自行调整转换规则
• 注：你给出的示例输出中[1., 0., 0., 1.]对应的结果标注为1属于笔误，四个元素异或的实际计算结果为0

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