如何从Numpy二维坐标数组中定位指定坐标的位置？

这里提供两种简洁的方法来实现你的需求：

方法一：利用广播与数组维度操作 #

通过NumPy的广播特性，批量比较每个测试坐标与所有特定坐标是否完全匹配：

import numpy as np

values_to_test = np.array([[1 , 0],[2 , 0],[2 , 0.5],[1 , 0.5],[0 , 0],[2 , 1], [0 , 0.5],[1 , 1],[0 , 1]])
specific_values = np.array([[1,0],[0,0],[1,1]])

# 广播后逐行比较是否完全匹配，再取任意匹配结果
match_result = (values_to_test[:, None, :] == specific_values).all(axis=2).any(axis=1)
print(match_result)
# 输出：[ True False False False  True False False  True False]

代码说明： #

• values_to_test[:, None, :] 将原数组的形状从 (9,2) 转换为 (9,1,2)，实现和 specific_values（形状 (3,2)）的广播对齐
• .all(axis=2) 检查每个坐标对的所有元素是否完全相等，得到形状为 (9,3) 的布尔数组，每一行对应测试坐标与3个特定坐标的匹配情况
• .any(axis=1) 对每一行取逻辑或，只要当前测试坐标匹配任意一个特定坐标，结果就为 True

方法二：转换为元组后使用np.isin #

将二维数组的每个子坐标转换为元组，再利用np.isin进行成员判断，逻辑更直观：

import numpy as np

values_to_test = np.array([[1 , 0],[2 , 0],[2 , 0.5],[1 , 0.5],[0 , 0],[2 , 1], [0 , 0.5],[1 , 1],[0 , 1]])
specific_values = np.array([[1,0],[0,0],[1,1]])

# 将数组元素转为元组
test_tuples = [tuple(coord) for coord in values_to_test]
specific_tuples = [tuple(coord) for coord in specific_values]

# 直接判断成员关系
match_result = np.isin(test_tuples, specific_tuples)
print(match_result)
# 输出：[ True False False False  True False False  True False]

内容的提问来源于stack exchange，提问作者Charith