如何判断3D Numpy数组的子数组是否存在于含重复的短3D数组

问题分析 #

你需要判断source数组中的每个3元素子数组是否存在于values数组的子数组中，而非检查单个元素是否在values中。之前使用np.isin(source, values).all(axis=2)得到全True，是因为该方法仅验证子数组的每个元素是否存在于values的任意元素中，而非整个子数组的完整匹配。

解决方案 #

方法1：结合数组视图转换使用np.in1d #

将3元素子数组转换为可哈希的单元素类型，再用np.in1d实现匹配：

import numpy as np

source = np.array([[[0,0,0],[0,0,1],[0,1,0],[1,0,0],[1,0,1],[1,1,0],[1,1,1]]])
values = np.array([[[0,1,0],[1,0,0],[1,1,1],[1,1,1],[0,1,0]]])

# 重塑为2D数组，统一处理每个子数组
source_2d = source.reshape(-1, 3)
values_2d = values.reshape(-1, 3)

# 将每个3元素子数组转为uint32类型的单个元素（适用于元素为0-1的场景）
source_view = source_2d.view(np.uint32).ravel()
values_view = values_2d.view(np.uint32).ravel()

# 对values去重，避免重复判断
unique_values = np.unique(values_view)

# 生成最终匹配结果
result = np.in1d(source_view, unique_values)
print(result)  # 输出: [False False  True  True False False  True]

方法2：利用广播实现全子数组匹配 #

通过扩展维度广播，直接比较每个子数组的完整匹配情况：

import numpy as np

source = np.array([[[0,0,0],[0,0,1],[0,1,0],[1,0,0],[1,0,1],[1,1,0],[1,1,1]]])
values = np.array([[[0,1,0],[1,0,0],[1,1,1],[1,1,1],[0,1,0]]])

source_2d = source.reshape(-1, 3)
values_2d = values.reshape(-1, 3)

# 广播比较：每个source子数组与所有values子数组逐一匹配，取任意匹配结果
matches = (source_2d[:, None] == values_2d).all(axis=2).any(axis=1)
print(matches)  # 输出: [False False  True  True False False  True]

方法说明 #

• 方法1适合数据量较大的场景，转换为单元素后匹配效率更高；
• 方法2逻辑更直观，无需类型转换，便于理解和调试。

内容的提问来源于stack exchange，提问作者Raphadasilva