如何測試是否所有行的numpy的

Question

在numpy的平等，有測試的一個很好的習慣方式，如果所有行的二維數組一樣的嗎？

我可以這樣做

np.all([np.array_equal(M[0], M[i]) for i in xrange(1,len(M))]) 

這似乎與numpy的陣列混合蟒蛇名單這是醜陋的，想必也慢。

有沒有更好的/整潔的方式？

Answer 1

一種方法是從所有的陣列的行的減去第一行，並檢查每個條目是等於0：

>>> a = np.arange(9).reshape(3, 3) 
>>> b = np.ones((3, 3)) 
>>> ((a - a[0]) == 0).all() 
False 
>>> ((b - b[0]) == 0).all() 
True 

這可能比識別較大的陣列唯一行更快因爲...它避免了大量的比較需要。

A，使用相同的基本思想稍快的方法是：

(arr == arr[0]).all() 

即檢查的arr每行等於arr第一行。

Answer 2

簡單的檢查次數，如果陣列中的唯一項目是1：

>>> arr = np.array([[1]*10 for _ in xrange(5)]) 
>>> len(np.unique(arr)) == 1 
True 

從unutbu的answer啓發：A液

>>> arr = np.array([[1]*10 for _ in xrange(5)]) 
>>> np.all(np.all(arr == arr[0,:], axis = 1)) 
True 

一個問題與您的代碼是在你申請np.all()之前先創建一個完整列表。由於，有沒有短路，在您的版本發生的事情，而不是，這將是更好，如果你使用Python的all()與發電機的表達：

時機比較：

>>> M = arr = np.array([[3]*100] + [[2]*100 for _ in xrange(1000)]) 
>>> %timeit np.all(np.all(arr == arr[0,:], axis = 1)) 
1000 loops, best of 3: 272 µs per loop 
>>> %timeit (np.diff(M, axis=0) == 0).all() 
1000 loops, best of 3: 596 µs per loop 
>>> %timeit np.all([np.array_equal(M[0], M[i]) for i in xrange(1,len(M))]) 
100 loops, best of 3: 10.6 ms per loop 
>>> %timeit all(np.array_equal(M[0], M[i]) for i in xrange(1,len(M))) 
100000 loops, best of 3: 11.3 µs per loop 

>>> M = arr = np.array([[2]*100 for _ in xrange(1000)]) 
>>> %timeit np.all(np.all(arr == arr[0,:], axis = 1)) 
1000 loops, best of 3: 330 µs per loop 
>>> %timeit (np.diff(M, axis=0) == 0).all() 
1000 loops, best of 3: 594 µs per loop 
>>> %timeit np.all([np.array_equal(M[0], M[i]) for i in xrange(1,len(M))]) 
100 loops, best of 3: 9.51 ms per loop 
>>> %timeit all(np.array_equal(M[0], M[i]) for i in xrange(1,len(M))) 
100 loops, best of 3: 9.44 ms per loop