为何在NumPy数组中使用`in`操作符会出现误报？

我需要检查大数组的每一行是否存在于小数组中。测试发现，用Python列表时in操作符能返回正确结果，但用NumPy数组时会出现误报。

示例代码：

item = [1, 2]
small = [[0,2], [5, 0]]
item in small  # 输出：False

import numpy as np

item_array = np.array(item)
small_array = np.array(small)
item_array in small_array  # 输出：True

补充场景：
我尝试检查大数组每行是否在小数组中的代码如下，最后一行出现误报：

big_array = np.array([[5, 0], [1, -2], [0, 2], [-1, 3], [1, 2]]) 
small_array = np.array([[0, 2], [5, 0]])

# 输出结果：[True, False, True, False, True]，最后一项本应为False
[row in small_array for row in big_array]

原因分析 #

Python列表的in操作符是检查整个元素是否完全匹配：比如item in small会逐个对比small中的每个子列表，只有当某个子列表和item完全相同时才返回True。

而NumPy数组的in操作符逻辑完全不同：它会先对数组进行元素级别的广播比较（即执行item_array == small_array），得到一个布尔数组；只要这个布尔数组中存在任意一个True，in就会返回True。

以示例中的item_array in small_array为例：
item_array == small_array会生成：

[[False, True],
 [False, False]]

这个数组里有True，所以in直接返回True，完全没有检查整行是否匹配。

正确的实现方式 #

要实现“检查大数组每行是否存在于小数组中”的需求，有两种常用方法：

方法1：转为元组+集合 #

将NumPy数组的每行转为元组，利用Python集合的快速查找特性：

import numpy as np

big_array = np.array([[5, 0], [1, -2], [0, 2], [-1, 3], [1, 2]]) 
small_array = np.array([[0, 2], [5, 0]])

small_set = set(map(tuple, small_array))
result = [tuple(row) in small_set for row in big_array]
print(result)  # 输出：[True, False, True, False, False]

方法2：NumPy原生广播+all/any #

利用NumPy的广播机制，先对每行和小数组的所有行做逐元素比较，再检查整行是否完全匹配：

import numpy as np

big_array = np.array([[5, 0], [1, -2], [0, 2], [-1, 3], [1, 2]]) 
small_array = np.array([[0, 2], [5, 0]])

# big_array[:, None] 将每行转为(1,2)形状，和small_array(2,2)广播为(5,2,2)
# np.all(..., axis=2) 检查每行内的元素是否全匹配，得到(5,2)的布尔数组
# np.any(..., axis=1) 检查是否存在匹配的行
result = np.any(np.all(big_array[:, None] == small_array, axis=2), axis=1)
print(result)  # 输出：[ True False  True False False]

内容的提问来源于stack exchange，提问作者Zihao Wang