我有一个3d numpy数组，表示从我的分类器获得的形状（NxKxM）的用户ID，我想计算jaccard索引（len交集/ len联合），以检查我的groupkfold期间重叠的比例 . 我需要在N（超行数的数量）和M（数量或迭代）轴上计算此函数，而K是CV折叠数 . 我希望有类似的东西：
A [0] [0] [：]与A [1：] [：] [：]进行比较，A [0] [1] [：]与A [1：] [：] [：]进行比较对于第一级，将[0] [2] [：]与A [1：] [：] [：]进行比较，依此类推 . （在k = 3的情况下）
我尝试过嵌套for循环，但当然代码非常慢，到目前为止我有这种情况：
for elem in range(len(total_users_splits)):
for subelem in range(elem+1,len(total_users_splits)):
for i in range(n_splits):
for j in range(n_splits):
first = b[elem][i]
second = b[subelem][j]
total_num = len(np.union1d(first,second))
intersect_len = len(np.intersect1d(first,second))
X.append(intersect_len/total_num)
overlap = {'overlap_ratio_mean_uids':np.nanmean(X),
'overlap_ratio_std_uids':np.nanstd(X),
'overlap_ratio_max_uids':np.max(X),
'overlap_ratio_min_uids':np.min(X)}
total_user_splits是维度NxM的列表，n_splits是k .
代码非常慢，但我不知道如何以矢量化方式应用np.intersect