如何测试Python中的矩阵是否只有1和0？

Question

假设我有这样的矩阵：

mat1 = np.array([1,0,1], [1,1,0], [0,0,0]);

我还有一个这样的人：

mat2 = np.array([0,1,0], [0,0,1], [1,1,1]);

我想检测

之类的东西

np.add(mat1, mat2);

只有1个或0，即1个，一个0，全部0或全部1。

---

n.b。 - 评论您的代码。

Answer 1

使用numpy.all，numpy.any：

• 全部0：np.all(mat == 0)
• 全部1：np.all(mat == 1)
• 某些0：np.any(mat == 0)
• 某些1：np.any(mat == 1)

---

>>> mat1 = np.array([[1,0,1], [1,1,0], [0,0,0]])
>>> mat2 = np.array([[0,1,0], [0,0,1], [1,1,1]])
>>> np.all(mat1 == 0)
False
>>> np.any(mat1 == 0)
True
>>> np.all(mat1 == 1)
False
>>> np.any(mat1 == 1)
True
>>> mat3 = mat1 + mat2
>>> mat3
array([[1, 1, 1],
       [1, 1, 1],
       [1, 1, 1]])
>>> np.all(mat3 == 1)
True

update

检查数组是否仅包含 1还是0，没有其他方法，请使用以下内容：

>>> mat1 = np.array([[1,0,1], [1,1,0], [0,0,0]])
>>> mat2 = np.array([[0,1,2], [3,4,5], [6,7,8]])
>>> np.all((mat1 == 0) | (mat1 == 1))
True
>>> np.all((mat2 == 0) | (mat2 == 1))
False

Answer 2

怎么样：

>>> def check(matrix):
...     # flatten up the matrix into one single list
...     # and set on the list it should be [0,1] if it
...     # contains only 0 and 1. Then do sum on that will 
...     # return 1
...     if sum(set(sum(matrix,[]))) > 1:
...         return False
...     return True
...
>>>
>>> check([[1,0,1], [1,1,0], [0,0,0]])
True
>>> check([[1,0,1], [1,1,0], [0,0,2]])
False
>>> check([[1,0,1], [1,1,0], [0,0,3]])
False
>>>

Answer 3

简单：

In [6]:
set((mat1+mat2).ravel()).issubset(set((1,0)))
Out[6]:
True
In [7]:
mat3 = np.array([[0,5,0], [0,0,1], [1,1,1]])
set((mat1+mat3).ravel()).issubset(set((1,0)))
Out[7]:
False

Answer 4

如果您知道它是int dtype ，那么（令人惊讶的是）检查最大和min（即使不同时执行这些操作）速度更快：

>

In [11]: m = np.random.randint(0, 2, (10, 10))
In [12]: %timeit np.all((m == 0) | (m == 1))
10000 loops, best of 3: 33.7 µs per loop
In [13]: %timeit m.dtype == int and m.min() == 0 and m.max() == 1
10000 loops, best of 3: 29.8 µs per loop
In [21]: m = np.random.randint(0, 2, (10000, 10000))
In [22]: %timeit np.all((m == 0) | (m == 1))
1 loops, best of 3: 705 ms per loop
In [23]: %timeit m.dtype == int and m.min() == 0 and m.max() == 1
1 loops, best of 3: 481 ms per loop

Answer 5

您可以使用unique

import numpy as np
mat1 = np.array([[1,0,1], [1,1,0], [0,0,0]])
np.unique(mat1)
# array([0, 1])
1 in np.unique(mat1)
# True
0 in np.unique(mat1)
# True
np.unique(mat1) == [0, 1]
# array([ True,  True], dtype=bool)

您也可以使用setdiff1d

np.setdiff1d(mat1, [0, 1])
# array([], dtype=int64)
np.setdiff1d(mat1, [0, 1]).size
# 0

Answer 6

检查一下：np.sum(np.unique(mat0.ravel()))

---

所以，mat0.ravel()这样做：

[[1,0,0],[0,0,0],[1,1,0]] ---> [1,0,0,0,0,0,1,1,0]

这个新对象是一个数组，即上面的[1,0,0,0,0,0,1,1,0]对象。现在，np.unique(mat0.ravel())找到所有唯一元素并将它们分类并将它们放入集合中，例如：

[1,0,0,0,0,0,1,1,0] ---> {0,1}

从此处使用np.sum，即np.sum(np.unique(mat0.ravel()))，我们会得到该集合内容的总和，因此，矩阵中的每个单元格中仅仅在每个单元格中检查0或1，则有一个良好的条件：

np.sum(np.unique(mat0.ravel())) > 1

---

n.b。 - 这仅适用于非阴性整数。