如何将一维字符串numpy数组转换为匹配m结构的二维整型numpy数组

全程使用numpy原生矢量化操作，无显式Python循环，性能远高于手写循环实现，且逻辑简洁不易出错。

实现步骤 #

假设你已经导入numpy库：

• 首先获取m的行数：n = m.shape[0]
• 将mhat的字符串元素转换为整型，和m的数据类型对齐：mhat_int = mhat.astype(np.int32)（也可以直接用int，根据m的实际类型调整即可）
• 调整数组形状并转置，得到和m完全同结构的数组：mhat_aligned = mhat_int.reshape(-1, n).T
• 此时可直接和m做对比，例如统计匹配率：match_ratio = (mhat_aligned == m).mean()

逻辑说明 #

mhat的元素排列规则是按列依次取m每行的元素，每n个元素刚好对应m的一列所有值：

1. reshape(-1, n)操作会自动把mhat按顺序切分为每n个元素一组，得到形状为(列数, 行数)的数组，每一行刚好对应原m的一列
2. 转置（.T）操作会交换行和列维度，最终得到形状和m完全一致的数组，元素位置完全对齐

该方案适配任意行数的m，只要mhat的长度满足len(mhat) == m.shape[0] * m.shape[1]即可通用。

最小测试示例 #

你可以用小样本验证逻辑正确性：

import numpy as np
# 测试用的m数组，2行3列
m = np.array([[1,0,1], [1,1,0]])
# 对应顺序的mhat
mhat = np.array(['1','1','0','1','1','0'])
# 转换逻辑
n = m.shape[0]
mhat_aligned = mhat.astype(int).reshape(-1, n).T
# 输出对比结果，会得到全True的布尔数组
print(mhat_aligned == m)

内容的提问来源于stack exchange，提问作者user6346482