关于Numpy中np.isin传入集合失效的原因及解决方法问询

核心原因 #

np.isin的第二个参数（待匹配的候选值集合）要求是可迭代的序列类型（比如列表、Numpy数组），而Python集合是无序的容器对象，当你把它传给np.isin时，Numpy不会拆分集合里的元素，而是把整个集合当成一个单独的object类型元素存入临时数组。

这时候np.isin实际在做的是：检查mask中的每个元素是否等于这个集合对象本身，而不是检查元素是否属于该集合的成员——显然mask里的元素都是普通数值，不可能等于一个集合对象，所以返回全False。

举个直观的例子验证：

import numpy as np
mask = np.array([1, 2, 3, 4])
my_set = {2, 3}

# 传入集合的结果
print(np.isin(mask, my_set))  # 输出: [False False False False]
# 看Numpy如何处理传入的集合
print(np.array(my_set))       # 输出: array({2, 3}, dtype=object)

当你把集合转成列表时，np.array(list(my_set))会生成array([2, 3])，此时np.isin会正确遍历这个数组的元素，检查mask中的值是否存在其中，自然得到预期结果。

兼顾效率的解决方案 #

如果你想保留集合去重+哈希查找的优势，同时让np.isin正常工作，最直接的方式是先把集合转成Numpy数组：

my_arr = np.array(list(my_set))
new_mask = np.where(np.isin(mask, my_arr), 1, 0)

如果数据量不大，也可以用Python集合的快速in操作结合Numpy的vectorize（注意：vectorize本质是循环，性能不如纯向量化操作，仅适合小规模数据）：

is_in_set = np.vectorize(lambda x: x in my_set)
new_mask = np.where(is_in_set(mask), 1, 0)

内容的提问来源于stack exchange，提问作者user16971617