Numpy实现一维数组在二维数组各行的元素匹配计数

• 原代码核心逻辑错配：将集合元素成员统计实现为两个等长数组的逐位对位相等判断
• 广播维度错配细节：
  • 原代码中arr2[:, None]的形状为(3, 1, 5)，与形状为(5,)的arr1完成广播后，比较逻辑为「arr2某行的第k位元素，是否等于arr1的第k位元素」
  • 该逻辑完全没有“同一值在不同位置匹配”的能力：只要元素值和arr1对应位置的值不对齐，哪怕值本身存在于arr1中，也会被判定为不匹配
  • 最终输出[0 3 0]的对应原因：arr2第一行全为0，和arr1逐位比较全不匹配，计数为0；arr2第二行的前3个元素刚好和arr1的前3个位置对位相等，计数为3；arr2第三行的所有元素虽然有4个存在于arr1中，但和arr1同位置的值完全不对等，因此计数为0，与预期产生偏差。

方案1：原生向量化广播实现 #

通过调整维度，让每个arr2的元素和arr1的所有元素做相等判断，匹配任意一个就标记为有效计数：

import numpy as np

arr1 = np.array([2,15,132,135,136])
arr2 = np.array([[0,0,0,0,0], [2,15,132,307,406], [15,132,135,136,148]])

# 调整维度：arr2扩展为(3,5,1)，arr1保持(5,)，广播后形成(3,5,5)的比较矩阵
# 每个位置对应「arr2某行的某元素，是否等于arr1的某元素」
match_matrix = arr2[..., None] == arr1
# 沿最后一个维度判断是否存在任意匹配，再对每行的匹配数求和
s1 = match_matrix.any(axis=-1).sum(axis=1)
print(s1)  # 输出 [0 3 4]

方案2：调用numpy内置的成员判断接口（更简洁高效） #

np.isin专门用于判断数组元素是否存在于目标集合中，不需要手动调整广播维度，在大数组场景下性能更优：

import numpy as np

arr1 = np.array([2,15,132,135,136])
arr2 = np.array([[0,0,0,0,0], [2,15,132,307,406], [15,132,135,136,148]])

# 直接返回和arr2同形状的布尔矩阵，标记每个元素是否在arr1中存在
s1 = np.isin(arr2, arr1).sum(axis=1)
print(s1)  # 输出 [0 3 4]

内容的提问来源于stack exchange，提问作者Tommie