NumPy中行式数组比较需求：不满足条件时取反比较数组的实现

首先，我先明确一下需求（结合你给出的例子修正了描述中的小偏差）：我们需要将comp中的每个一维数组与arr中对应的二维数组逐行进行比较，规则如下：

1. 对于arr二维数组中的某一行，先用对应的comp一维数组做元素级的大于比较（comp_row > arr_row）：
   • 如果所有元素都满足comp_row[i] > arr_row[i]，该行结果为全1的数组（比如[2,20,4] > [1,2,3]得到[1,1,1]）。
2. 如果该行不全满足原比较条件，则对每个元素：
   • 原比较满足的元素保留1；
   • 原比较不满足的元素返回-1（比如[2,20,4]与[4,5,6]比较，原结果是[False,True,False]，转换后得到[-1,1,-1]）；
3. 如果某个元素既不满足comp_row[i] > arr_row[i]，也不满足comp_row[i] < arr_row[i]（即两者相等），则该元素返回0。

实现代码 #

import numpy as np

# 定义输入数组
arr = np.array([
    [ [1, 2, 3], [4, 5, 6], [7, -8, 9], [10, 11, 12] ],
    [ [13, 14, -15], [16, -17, 18], [19, 20, 21], [22, 23, 24] ]
])
comp = np.array([ [2, 20, 4], [3, 8, 15] ])

# 扩展comp的维度，从(2,3)变为(2,1,3)，实现与arr的广播匹配
comp_expanded = comp[:, np.newaxis, :]

# 1. 计算原比较的布尔数组：comp > arr
original_compare = comp_expanded > arr

# 2. 检查每行是否所有元素都满足原比较条件
is_row_all_true = original_compare.all(axis=2, keepdims=True)

# 3. 生成最终结果：用多层where实现规则逻辑
result = np.where(
    # 情况1：行全满足原比较，返回1
    is_row_all_true,
    1,
    np.where(
        # 情况2：元素满足原比较，返回1
        original_compare,
        1,
        np.where(
            # 情况3：元素相等，返回0
            comp_expanded == arr,
            0,
            # 情况4：元素不满足原比较且不相等，返回-1
            -1
        )
    )
)

# 打印结果
print("最终结果：")
print(result)

代码解释 #

• 维度扩展：通过comp[:, np.newaxis, :]将comp的形状从(2,3)转为(2,1,3)，这样可以和arr的(2,4,3)形状进行广播，实现逐行的元素级比较，避免了循环操作，提升效率。
• 全True行检查：用all(axis=2, keepdims=True)检查每行是否所有元素都满足原比较条件，keepdims=True保证结果维度和原数组匹配，方便后续广播赋值。
• 多层where逻辑：依次处理四种情况，完全贴合需求规则，同时利用NumPy的向量化操作，比Python循环快得多，尤其适合大数组场景。

测试结果验证 #

对于你给出的例子：

• arr[0][0] = [1,2,3]与comp[0] = [2,20,4]比较，全满足，结果为[1,1,1]；
• arr[0][1] = [4,5,6]与comp[0] = [2,20,4]比较，原结果为[False,True,False]，转换后得到[-1,1,-1]，完全符合你的示例。

内容的提问来源于stack exchange，提问作者Akshay