有人遇到过这个问题吗？假设您有两个数组，如下所示
a = array([1,2,3,4,5,6])
b = array([1,4,5])
有没有办法比较 a 中的哪些元素存在于 b 中？例如，
c = a == b # Wishful example here
print c
array([1,4,5])
# Or even better
array([True, False, False, True, True, False])
我试图避免循环，因为它需要数百万个元素。有任何想法吗？
干杯
【问题讨论】：
实际上，有一个比这些更简单的解决方案：
import numpy as np
a = array([1,2,3,4,5,6])
b = array([1,4,5])
c = np.in1d(a,b)
然后得到的 c 是：
array([ True, False, False, True, True, False], dtype=bool)
【讨论】：
isin 而不是 in1d。”
使用 np.intersect1d。
#!/usr/bin/env python
import numpy as np
a = np.array([1,2,3,4,5,6])
b = np.array([1,4,5])
c=np.intersect1d(a,b)
print(c)
# [1 4 5]
请注意，如果 a 或 b 具有非唯一元素，则 np.intersect1d 会给出错误答案。在这种情况下使用 np.intersect1d_nu.
还有 np.setdiff1d、setxor1d、setmember1d 和 union1d。看 Numpy Example List With Doc
【讨论】：
感谢您的回复 kaizer.se。这不是我想要的，但是根据朋友的建议和你所说的，我想出了以下内容。
import numpy as np
a = np.array([1,4,5]).astype(np.float32)
b = np.arange(10).astype(np.float32)
# Assigning matching values from a in b as np.nan
b[b.searchsorted(a)] = np.nan
# Now generating Boolean arrays
match = np.isnan(b)
nonmatch = match == False
这是一个有点麻烦的过程，但它胜过编写循环或使用带有循环的编织。
干杯
【讨论】：
a 中的值在b 中不存在（以及其他情况下的重复索引），它也会返回索引。例如：numpy.searchsorted([1, 2], [1.2, 1.3]) 返回的[1, 1] 不适合 OP。
Numpy 有一个集合函数 numpy.setmember1d() ，它适用于排序和唯一的数组，并准确返回您想要的布尔数组。如果输入数组不符合条件，您需要转换为设置的格式并反转结果的转换。
import numpy as np
a = np.array([6,1,2,3,4,5,6])
b = np.array([1,4,5])
# convert to the uniqued form
a_set, a_inv = np.unique1d(a, return_inverse=True)
b_set = np.unique1d(b)
# calculate matching elements
matches = np.setmea_set, b_set)
# invert the transformation
result = matches[a_inv]
print(result)
# [False True False False True True False]
编辑： 不幸的是，numpy 中的 setmember1d 方法确实效率低下。您提出的 search sorted and assign 方法工作得更快，但是如果您可以直接分配，您还不如直接分配给结果并避免大量不必要的复制。如果 b 包含不在 a 中的任何内容，您的方法也会失败。以下内容更正了这些错误：
result = np.zeros(a.shape, dtype=np.bool)
idxs = a.searchsorted(b)
idxs = idxs[np.where(idxs < a.shape[0])] # Filter out out of range values
idxs = idxs[np.where(a[idxs] == b)] # Filter out where there isn't an actual match
result[idxs] = True
print(result)
我的基准测试显示，您的方法为 91us 与 6.6ms，而 numpy setmember1d 在 1M 元素 a 和 100 个元素 b 上为 109ms。
【讨论】：
ebresset, your answer 将不起作用，除非 a 是 b 的子集（并且 a 和 b 已排序）。否则 searchsorted 将返回错误索引。我必须做类似的事情，并将其与您的代码结合起来：
# Assume a and b are sorted
idxs = numpy.mod(b.searchsorted(a),len(b))
idxs = idxs[b[idxs]==a]
b[idxs] = numpy.nan
match = numpy.isnan(b)
【讨论】：
您的示例暗示了类似集合的行为，更关心数组中的存在，而不是在正确的位置放置正确的元素。 Numpy 用它的数学数组和矩阵做这不同的事情，它只会告诉你关于正确位置的项目。你能做到吗？
>>> import numpy
>>> a = numpy.array([1,2,3])
>>> b = numpy.array([1,3,3])
>>> a == b
array([ True, False, True], dtype=bool)
【讨论】：