我有两个具有相同第二维的多维数组。我想确保第一个数组的任何元素（即没有行）也是第二个数组的一行。
为此，我使用numpy.where，但它的行为也在检查同一位置的子元素。例如考虑以下代码：
x = np.array([[0,1,2,3], [4,0,6,9]])
z= np.array([[0,1,2,3], [5, 11, 6,98]])
for el in x:
print(np.where(z==el))
打印出来：
(array([0, 0, 0, 0]), array([0, 1, 2, 3]))
(array([1]), array([2]))
第一个结果是由于第一个数组相等，第二个结果是因为z[1] 和x[1] 都将6 作为第三个元素。有没有办法告诉np.where 只返回严格相等元素的索引，即上面示例中的0？
【问题讨论】：
标签： python arrays python-3.x numpy
[i for i, e in enumerate(x) if (e == z).all(1).any()]
x = np.array([[0,1,2,3], [4,0,6,9], [4,0,6,19]])
z= np.array([[4,0,6,9], [0,1,2,3]])
[i for i, e in enumerate(x) if (e == z).all(1).any()]
输出：
[0, 1]
【讨论】：
简单地返回你的条件的索引 - 这里是元素明智的平等
您可以使用矢量化操作找到重复项：
duplicates = (x[:, None] == z).all(-1).any(-1)
要获取重复值，请使用掩码
x[duplicates]
在这个例子中：
duplicates = [True False]
x[duplicates] = [[0, 1, 2, 3]]
[:, None]
all(-1)
any(-1)
【讨论】：
伙计，自从np.unique 添加了axis 参数以来，我还没有机会链接到this 答案。感谢@Jaime
vview = lambda a: np.ascontiguousarray(a).view(np.dtype((np.void, a.dtype.itemsize * a.shape[1])))
基本上，这会将矩阵的“行”转换为行的原始数据流上的一维视图数组。这使您可以像比较单个值一样比较行。
那么就很简单了：
print(np.where(vview(x) == vview(z).T))
(array([0], dtype=int64), array([0], dtype=int64))
表示x的第一行匹配z的第一行
如果您只想知道x 的行是否在z 的行中：
print(np.where(np.isin(vview(x), vview(z)).squeeze()))
(array([0], dtype=int64),)
与@mujjiga 在大数组上的检查时间相比：
x = np.random.randint(10, size = (1000, 4))
z = np.random.randint(10, size = (1000, 4))
%timeit np.where(np.isin(vview(x), vview(z)).squeeze())
365 µs ± 13.8 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
%timeit [i for i, e in enumerate(x) if (e == z).all(1).any()] # @mujjiga
21.3 ms ± 1.28 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
%timeit np.where((x[:, None] == z).all(-1).any(-1)) # @orgoro
20 ms ± 767 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
因此，循环和切片的速度大约提高了 60 倍，这可能是由于快速短路并且只比较了 1/4 的值
【讨论】：
ascontigous() 在内存中返回一个连续的数组表示，view 方法基本上告诉如何重新格式化没有指定类型的数组 (np.void)，我假设 a.dtype.itemsize * a.shape[1] 是一行的字节大小。我不明白为什么在比较时转置。
view 开始保持尺寸，所以(n, m) 输入的sn-p 的输出现在是(n, 1) 而不是(n,)。所以，这意味着我可以用广播通常需要的[:, None] 和[None, :] 进行简单的转置。
嗯，对于 2D 数组，类似下面的内容可能有用。我认为您必须小心在浮点运算中检查ee==0。
import numpy as np
aa = np.arange(16).reshape(4,4)
# we are trying to find the row in aa which is equal to bb
bb = np.asarray([0,1,2,3])
cc = bb[None,:]
dd = aa - cc
ee = np.linalg.norm(dd,axis=1)
idx = np.where(ee==0)
【讨论】：
a = [1,2,3] 和b=[1,1,4]，(a-b).sum()==0 为真，但即使条目不匹配