如何解决从两个三维坐标列表提取独有数据点时结果为空的问题？

你当前代码的核心问题是用文件读取的原始字符串列表做集合操作——哪怕坐标数值完全一致，只要字符串的格式细节（比如空格数量、换行符）有差异，就会被判定为不同元素；而且你虽然将数据转成了numpy数组，但并未用数组来处理坐标匹配逻辑。

以下是两种可行的解决办法：

方法一：将坐标转为元组后用集合操作 #

numpy数组的元素不可直接存入集合，需先把每个三维坐标转成可哈希的元组，再计算差集：

import numpy as np

# 直接读取文件为numpy数组，无需手动处理readlines
whole = np.loadtxt('whole.txt')
cap = np.loadtxt('cap.txt')

# 将每个三维坐标转为元组，生成集合
whole_coords = set(tuple(pt) for pt in whole)
cap_coords = set(tuple(pt) for pt in cap)

# 提取仅存在于whole中的坐标，转回numpy数组
core = np.array([coord for coord in whole_coords - cap_coords])

# 写入结果文件，保留合适的小数精度
np.savetxt('core.txt', core, fmt='%.6f %.6f %.6f')

方法二：使用numpy内置的集合差集函数 #

numpy提供了np.setdiff1d函数用于计算数组差集，需先将二维坐标数组转为可比较的结构化元素：

import numpy as np

whole = np.loadtxt('whole.txt')
cap = np.loadtxt('cap.txt')

# 将二维坐标数组转换为可直接比较的一维结构化视图
whole_view = whole.view('float64,float64,float64')
cap_view = cap.view('float64,float64,float64')

# 计算差集后，转回三维坐标格式
core_view = np.setdiff1d(whole_view, cap_view)
core = core_view.view(np.float64).reshape(-1, 3)

# 写入结果文件
np.savetxt('core.txt', core, fmt='%.6f %.6f %.6f')

额外注意：浮点精度问题 #

如果坐标数据存在浮点精度误差（比如0.1被存储为0.1000000000001），直接匹配会导致误判，可先对坐标进行精度截断：

# 保留6位小数后再转元组
whole_coords = set(tuple(np.round(pt, 6)) for pt in whole)
cap_coords = set(tuple(np.round(pt, 6)) for pt in cap)

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