Python中如何判断一维子数组是否存在于目标二维数组中

针对你数百到4000量级的数对存储场景，有几种简洁高效的实现方式，不需要依赖异常捕获逻辑：

纯Python原生最简实现 #

不需要调用index()配合异常捕获，Python列表原生的成员运算符in就可以直接匹配子列表，找不到元素时会直接返回False，完全符合你的需求：

# 注意不要用all做变量名，all是Python内置的全判断函数，容易引发命名冲突
all_arr = [[1,-1], [1,0], [1,1], [2,-1], [2,0], [2,1]]

def isValid(all_arr, target):
    return target in all_arr

调用效果完全符合预期：

isValid(all_arr, [1,1])    # 返回True
isValid(all_arr, [1,100])  # 返回False

这个实现对于4000个元素以内的场景性能完全足够，单次查询是线性遍历，比对开销极低，代码可读性也最好。

高频查询优化方案 #

如果需要对同一个二维数组做多次存在性判断，可以先做一次预处理，把数对转成可哈希的元组存入集合，后续单次查询时间复杂度可以降到O(1)，查询效率提升非常明显：

# 只需要预处理一次
lookup_set = {tuple(pair) for pair in all_arr}

def isValid(target):
    return tuple(target) in lookup_set

这个方案适合查询频次高的场景，预处理的开销会被后续多次查询的收益摊薄。

Numpy正确实现方式 #

你之前用isin()、in1d()无法生效，是因为这两个函数默认做逐元素匹配，不会按整行做比对。如果要使用numpy实现整行匹配，可以用如下写法：

import numpy as np

all_np = np.array([[1,-1], [1,0], [1,1], [2,-1], [2,0], [2,1]])

def isValid(all_np, target):
    return (all_np == target).all(axis=1).any()

逻辑是先逐元素对比得到布尔矩阵，沿行方向判断是否整行值完全匹配，最后判断是否存在至少一行匹配结果。这个方案在数据量达到十万级以上时，向量化运算的性能优势会比较明显，你当前的小规模数据场景下没必要使用。

内容的提问来源于stack exchange，提问作者Demis