>>> import numpy as np
>>> a = np.asarray([[1,2,3],[1,5,7],[4,3,6]])

np.diff有一个参数，可以让您指定轴来 * 执行diff*

>>> np.diff(a)
array([[ 1,  1],
       [ 4,  2],
       [-1,  3]])

检查每个差值是否大于0。

>>> np.diff(a) > 0
array([[ True,  True],
       [ True,  True],
       [False,  True]], dtype=bool)

检查是否所有差异都〉0

>>> np.all(np.diff(a) > 0)
False
>>>

正如@Jaime所建议的，检查每个元素是否大于其左边的元素：

np.all(a[:, 1:] >= a[:, :-1], axis=1)

这似乎是两倍的速度/效率比我的差异解决方案。

你可以创建一个这样的函数：

def monotonically_increasing(l):
    return all(x < y for x, y in zip(l, l[1:]))

然后检查子列表的子列表

[monotonically_increasing(sublist) for sublist in a]

为了添加@Jaime和所有提供的答案，以获得违规的确切位置，除了确定它们是否严格增加或减少之外，我将其链接如下

a = np.array( [[1,2,3], [5,4,3], [4,5,6], [4,6,3]])
a[np.where 
   ( np.invert  
     (np.all(a[:, 1:] >= a[:, :-1], axis=1)) 
   ) 
 ]
 Result:
  array([[5, 4, 3],
   [4, 6, 3]])

还有一个问题与如何处理从@igorkf严格递减有关。我将这个答案组合成一个有用的函数。

def check_monotonicity (data: np.array, increasing: bool, axis: int) -> np.array :
  if increasing: # strictly increasing
    return data [np.where (
             np.invert (
                 (np.all(data[:, 1:] >= data[:, :-1], axis=axis))
             ) ) ]
  else: # strictly decreasing
    return data [np.where (
             np.invert (
                 (np.all(data[:, 0:-1] >= data[:, 1:], axis=axis))
             ) ) ]