如何在NumPy中高效实现元素级的包含判断？

给定如下NumPy数组：

import numpy as np
arr = np.random.randint(0, 5, 20)

我们想实现类似arr>3的元素级判断，即检查每个元素是否属于[2,4]。直接用arr in [2,4]会报错The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()，而列表推导np.array([x in [2,4] for x in arr])效率较低，这里提供几种更高效的实现方式：

• 使用np.isin()（推荐）
  这是NumPy官方提供的专门用于元素级成员判断的函数，直接返回与输入数组形状一致的布尔数组，基于向量化操作，效率远高于列表推导：

  mask = np.isin(arr, [2, 4])
  

• 使用np.in1d()（适用于一维数组）
  针对一维数组的成员判断函数，返回一维布尔数组，逻辑和isin类似，仅支持一维输入场景：

  mask = np.in1d(arr, [2, 4])
  

• 逻辑或组合单个条件
  如果目标值数量极少，直接将每个等于判断用逻辑或连接，可读性强且效率可观：

  mask = (arr == 2) | (arr == 4)
  

以上方法均基于NumPy的底层C实现向量化操作，避免了Python层面的循环开销，处理大规模数组时速度优势明显。

内容的提问来源于stack exchange，提问作者Michael