如何将np.isclose生成的布尔值存入形状为(60,6,6,4,72)的numpy数组

解决方案 #

完全不需要用np.append/np.insert做动态拼接，要么直接用numpy广播特性一步生成目标数组，要么提前预分配内存逐位赋值即可。

最优方案：利用广播特性一步生成（无循环，性能最高）

你的核心需求是将Matrix中每个标量值，与Matrix2中所有4*72个值逐一做isclose判断，直接做维度扩展后广播计算即可：

import numpy as np

# 原始初始化代码
Matrix = np.random.randint(5, size=(60, 6, 6))
arr = np.random.randint(5, size=(1, 240))
arr1 = np.random.randint(5, size=(1, 240))
arr2 = np.random.randint(5, size=(1, 240))
arr3 = np.random.randint(5, size=(1, 240))

# 拼接得到Matrix2，注意二维数组切片要指定维度，原代码的切片写法会导致形状异常
kkk = 3
vvv = 79
Matrix2 = np.concatenate([
    arr[:, kkk:vvv],
    arr1[:, kkk:vvv],
    arr2[:, kkk:vvv],
    arr3[:, kkk:vvv]
], axis=0) # 输出形状为(4,72)，符合要求

# 维度扩展后直接广播计算，一步得到目标形状数组
result = np.isclose(
    Matrix[..., np.newaxis, np.newaxis], # 扩展为(60,6,6,1,1)
    Matrix2[np.newaxis, np.newaxis, np.newaxis, ...], # 扩展为(1,1,1,4,72)
    rtol=0.005,
    atol=0.0
)
# 此时result形状就是你需要的(60,6,6,4,72)

如果需要最终形状为(72,4,6,6,60)，直接做轴转置即可：

result = result.transpose(4,3,2,1,0)

兼容原有循环逻辑的实现

如果一定要保留循环写法，提前预分配内存再逐位赋值即可：

import numpy as np

Matrix = np.random.randint(5, size=(60, 6, 6))
arr = np.random.randint(5, size=(1, 240))
arr1 = np.random.randint(5, size=(1, 240))
arr2 = np.random.randint(5, size=(1, 240))
arr3 = np.random.randint(5, size=(1, 240))

# 预分配目标形状的布尔数组，默认填充False
result = np.zeros((60,6,6,4,72), dtype=bool)

kkk = 3
vvv = 79
while True:
    Matrix2 = np.concatenate([
        arr[:, kkk:vvv],
        arr1[:, kkk:vvv],
        arr2[:, kkk:vvv],
        arr3[:, kkk:vvv]
    ], axis=0)
    for i in range(Matrix.shape[0]):
        for j in range(Matrix.shape[1]):
            for z in range(Matrix.shape[2]):
                for v in range(Matrix2.shape[0]):
                    for vv in range(Matrix2.shape[1]):
                        result[i,j,z,v,vv] = np.isclose(Matrix[i,j,z], Matrix2[v,vv], rtol=0.005, atol=0.0)
    if j >= 5:
        kkk +=4
        vvv +=4
        if i ==59:
            break

原代码错误说明 #

1. 二维数组切片写法错误：arr[kkk:vvv]是对第一维做切片，而arr第一维长度只有1，会得到空数组或者形状异常，正确写法是arr[:, kkk:vvv]
2. 函数定义写在多层循环内部，每次循环都会重复定义函数，完全没有必要
3. 循环层级错乱，Matrix2拼接逻辑不需要放在最内层循环，每次迭代生成一次即可

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