我有一个 numpy 字符串数组，其中一些重复，我想将每个元素与每个其他元素进行比较，以生成一个新的 1 和 0 向量，指示每对(i,j)是相同还是不同。
例如["a","b","a","c"]-> 12 元素 (4*3) 向量[1, 0, 1, 0, 0, 1, 0, 0, 1, 0, 1, 0, 0, 0, 0, 1]
有没有办法在 numpy 中快速做到这一点，而无需通过所有元素对进行双循环？我的数组有大约 240,000 个元素，因此以天真的方式完成它需要很长时间。
我知道numpy.equal.outer，但显然numpy.equal没有在字符串上实现，所以我似乎需要一些更聪明的方法来比较它们。
构建一个包含字符串哈希值（使用内置hash()函数）的数组。
eg = ['a', 'b', 'c', 'a']
hashed = np.array([hash(s) for s in eg])
result = np.equal.outer(hashed, hashed)
输出：
[[ True False False True]
[False True False False]
[False False True False]
[ True False False True]]
如果只有 1 个字符长的字符串，您可以使用ord()代替hash()：
给定一个长度为 1 的字符串，当参数是 unicode 对象时，返回一个表示字符的 Unicode 代码点的整数，或者当参数是 8 位字符串时，返回字节的值。例如，ord('a') 返回整数 97，ord(u'\u2020') 返回 8224。
你不想要那个。
首先让我们注意您实际上是在构建一个三角矩阵：对于第一个元素，将其与其余元素进行比较，然后递归地重复其余元素。但是，您不使用三角形。在您的示例中，您只需切断对角线（每个元素始终等于自身）并将行合并到一个列表中。
如果对源列表进行排序，则无需将每个元素与其余元素进行比较，只需与下一个元素进行比较。您必须使用元组保持元素的位置，以便在排序后跟踪它。
您将在 O(n log n) 时间内对对列表进行排序，然后扫描它并在 O(n) 时间内找到所有匹配项。在您的情况下，排序和查找匹配项都非常简单快捷。
之后，您必须创建“位向量”，即 O(n^2) long。它将包含len(your vector) ** 2元素，或240k 元素向量的 576亿个元素。即使您将每个元素表示为一位，也需要 53.6 Gbit 或 8.7 GBytes 的内存。
可能你不想要那个。我建议您在 O(n log n) 时间内找到一个对列表，也按 O(n log n) 时间的第一和第二位置对其进行排序，然后通过查看该列表重新创建所需位图的任何部分对；二进制搜索真的很有帮助。如果您的匹配项比元素对少得多，那么结果甚至可能适合 RAM。