如何用Python（NumPy）检查数组A是否包含数组B所有元素并输出缺失元素索引？

嘿，这个需求很常见，我来给你几个实用的numpy方案，既能判断是否存在缺失元素，还能直接找出那些缺失的元素，以及它们在B中的索引：

方法一：用差集+布尔索引（最直观） #

这是最容易理解的方式，利用numpy的内置函数直接计算差集，再通过布尔数组定位索引：

import numpy as np
A = np.array([1,2,3,6,7,8,9])
B = np.arange(10)  # 对应[0,1,2,3,4,5,6,7,8,9]

# 1. 获取B中不在A里的缺失元素
missing_elements = np.setdiff1d(B, A)
print("缺失的元素：", missing_elements)  # 输出：[0 4 5]

# 2. 获取这些缺失元素在B中的索引
# 先生成布尔数组：标记B的每个元素是否不在A中
not_in_A_mask = ~np.isin(B, A)
# 用np.where提取索引
missing_indices = np.where(not_in_A_mask)[0]
print("缺失元素在B中的索引：", missing_indices)  # 输出：[0 4 5]

解释： #

• np.setdiff1d(B, A)：返回B中有但A中没有的元素，结果会自动按B的排序规则整理（这里B是连续整数，所以顺序正常）。
• np.isin(B, A)：生成一个和B长度相同的布尔数组，每个位置标记对应元素是否存在于A中；取反后就能定位缺失元素的位置，再用np.where提取索引。

方法二：排序+搜索（适合大数据量） #

如果你的数组A是无序的，或者处理的是超大数组，先排序再用二分搜索会更高效：

import numpy as np
A = np.array([1,2,3,6,7,8,9])
B = np.arange(10)

# 先对A排序（如果A原本无序的话）
sorted_A = np.sort(A)
# 用二分搜索找到B中每个元素在sorted_A中的插入位置
insert_positions = np.searchsorted(sorted_A, B)
# 生成掩码：插入位置越界，或者对应位置的元素不等于B的元素，说明该元素缺失
missing_mask = (insert_positions >= len(sorted_A)) | (sorted_A[insert_positions] != B)

missing_elements = B[missing_mask]
missing_indices = np.where(missing_mask)[0]
print("缺失元素：", missing_elements)
print("缺失索引：", missing_indices)

额外小技巧：快速判断是否有缺失 #

如果只是想快速验证是否存在缺失元素，用向量化的np.all(np.isin(B, A))比你原来的生成器表达式np.all(elem in A for elem in B)高效得多——因为numpy的向量化操作是用C实现的，比Python循环快很多。

内容的提问来源于stack exchange，提问作者f. c.