如何将两个列表的子列表作为单个实体进行比较？

你遇到的核心问题是：从df.values提取到的是numpy ndarray，而非普通Python列表，直接用列表的比较逻辑或者numpy元素级的函数，无法实现「将3元素子数组作为单个实体」的匹配判断。下面我会先解释你之前方法失效的原因，再给出两种可行的解决方案：

为什么你的方法没生效？ #

先逐个分析你尝试的方案：

1. np.isin(arr1, arr2)：这个函数是元素级的检查，会判断arr1里的每个单独元素（比如'AU002'）是否在arr2的任意位置，而不是把整个3元素子数组当作一个整体判断，所以返回的mask和arr1形状一致，不是你需要的子数组匹配结果。
2. 嵌套for循环（i<3/j<3）：你的循环逻辑错误，只是交叉对比了前3个位置的元素，没有判断整个子数组的所有元素是否完全相等，自然找不到正确的匹配。
3. if each == every：each和every是numpy数组，这个比较会返回一个布尔数组（每个元素是否相等），而numpy数组在布尔判断中只要非空就会被视为True，所以这个条件永远成立，导致一直输出"found"。
4. all(elem in arr2 for elem in arr1)：numpy的in操作符是检查单个元素是否存在于数组中，而不是检查整个子数组（行）是否存在，所以这个判断本质还是元素级的，不符合你的需求。

解决方案 #

方法1：转换为元组+集合（高效查找） #

因为numpy数组不可哈希，但元组可以，我们可以把每个子数组转换成元组，然后用集合来实现O(1)的快速查找：

import numpy as np

# 你的原始数据（转换为numpy数组）
arr1 = np.array([['AU002', '000000000037080', 'VB_ADJ'],
                 ['AU002', '000000000037080', 'VB_ADJ'],
                 ['AU002', '000000000039325', 'VB_ADJ'],
                 ['AU002', '000000000039325', 'VB_ADJ']])
arr2 = np.array([['AU002', '000000000037080', 'HUNTER_DOUGLAS'],
                 ['AU002', '000000000037080', 'EXP'],
                 ['AU002', '000000000037080', 'GEN'],
                 ['AU002', '000000000037080', 'VB_ADJ'],
                 ['AU002', '000000000039325', 'EXP']])

# 将arr2的所有行转为元组，存入集合
arr2_tuple_set = set(tuple(row) for row in arr2)

# 逐个检查arr1的子数组
for row in arr1:
    row_tuple = tuple(row)
    if row_tuple in arr2_tuple_set:
        print(f"找到: {row_tuple}")
    else:
        print(f"未找到: {row_tuple}")

# 检查arr1所有元素是否都在arr2中
all_matched = all(tuple(row) in arr2_tuple_set for row in arr1)
print(f"\n所有arr1的子数组都在arr2中吗？{all_matched}")

运行后会输出：

找到: ('AU002', '000000000037080', 'VB_ADJ')
找到: ('AU002', '000000000037080', 'VB_ADJ')
未找到: ('AU002', '000000000039325', 'VB_ADJ')
未找到: ('AU002', '000000000039325', 'VB_ADJ')

所有arr1的子数组都在arr2中吗？False

方法2：纯numpy广播实现（无需转换类型） #

利用numpy的广播机制，让arr1的每个子数组和arr2的所有子数组做整体比较，然后判断是否存在匹配：

import numpy as np

# 你的原始数据
arr1 = np.array([['AU002', '000000000037080', 'VB_ADJ'],
                 ['AU002', '000000000037080', 'VB_ADJ'],
                 ['AU002', '000000000039325', 'VB_ADJ'],
                 ['AU002', '000000000039325', 'VB_ADJ']])
arr2 = np.array([['AU002', '000000000037080', 'HUNTER_DOUGLAS'],
                 ['AU002', '000000000037080', 'EXP'],
                 ['AU002', '000000000037080', 'GEN'],
                 ['AU002', '000000000037080', 'VB_ADJ'],
                 ['AU002', '000000000039325', 'EXP']])

# 对arr1的每一行，检查是否在arr2中存在完全匹配的行
# arr1[:, None] 将arr1转换为(4,1,3)形状，和arr2(5,3)广播为(4,5,3)
# np.all(..., axis=2) 判断每一对行的所有元素是否相等，得到(4,5)的布尔数组
# np.any(..., axis=1) 判断arr1的每一行是否在arr2中有匹配
matches = np.any(np.all(arr1[:, None] == arr2, axis=2), axis=1)

# 输出结果
for row, is_matched in zip(arr1, matches):
    status = "找到" if is_matched else "未找到"
    print(f"{status}: {row}")

# 检查所有是否匹配
all_matched = np.all(matches)
print(f"\n所有arr1的子数组都在arr2中吗？{all_matched}")

这个方法完全基于numpy的向量操作，适合处理大规模数据，运行结果和方法1一致。

内容的提问来源于stack exchange，提问作者Abhishek