如何在Numpy中判断一维ndarray是否存在于二维ndarray中

问题原因 #

Numpy的in操作符（对应np.ndarray.__contains__方法）逻辑和Python列表完全不同：它会检查目标数组的任意元素是否存在于原二维数组中，而非判断整个一维数组是否作为二维数组的一行存在。这就是你得到True True True False的原因：

• b的元素1、3都在a中，且刚好是一行，返回True
• c的元素1、2都在a中，返回True
• d的元素1在a中，返回True
• e的元素5不在a中，返回False

而Python列表的in是检查整个子列表是否作为独立元素存在，因此得到True False False False的预期结果。

高效实现方案 #

方案1：针对与二维数组行长度一致的一维数组 #

利用Numpy向量化操作，效率最高，适合绝大多数场景：

import numpy as np

a = np.array([[1,3],[2,4]])
b = np.array([1,3])
c = np.array([1,2])
d = np.array([1,5])
e = np.array([5])

def is_array_in_2d(arr, arr_2d):
    # 长度不匹配直接返回False
    if arr.shape[0] != arr_2d.shape[1]:
        return False
    # 逐行匹配，判断是否存在完全一致的行
    return (arr_2d == arr).all(axis=1).any()

print(is_array_in_2d(b, a))  # True
print(is_array_in_2d(c, a))  # False
print(is_array_in_2d(d, a))  # False
print(is_array_in_2d(e, a))  # False

方案2：支持任意长度的一维数组 #

如果需要检查不同长度的一维数组（比如示例中的e），可以结合形状检查与逐行匹配：

def is_array_in_2d_general(arr, arr_2d):
    arr_len = arr.shape[0]
    for row in arr_2d:
        if row.shape[0] == arr_len and (row == arr).all():
            return True
    return False

print(is_array_in_2d_general(b, a))  # True
print(is_array_in_2d_general(c, a))  # False
print(is_array_in_2d_general(d, a))  # False
print(is_array_in_2d_general(e, a))  # False

注意：该方案包含循环，二维数组规模较大时效率会低于方案1。

方案3：批量检查多个一维数组 #

如果需要一次性检查多个一维数组，用广播机制优化批量操作：

def batch_check_arrays_in_2d(arr_list, arr_2d):
    row_len = arr_2d.shape[1]
    results = []
    for arr in arr_list:
        if arr.shape[0] != row_len:
            results.append(False)
        else:
            results.append((arr_2d == arr).all(axis=1).any())
    return results

arr_list = [b, c, d, e]
print(batch_check_arrays_in_2d(arr_list, a))  # [True, False, False, False]

内容的提问来源于stack exchange，提问作者XiaoBanni