NumPy的np.in1d为何无法匹配数值一致的数组与数组视图？

根本诱因 #

这个现象和内存视图、深拷贝操作没有任何关系，本质是浮点数打印截断特性+严格相等比对规则共同导致的：

• NumPy默认打印数组时，只会输出截断到8位小数的友好展示值，不会展示float64类型实际存储的全量二进制精度。你肉眼看到arr1和arr2的数值完全一致，不代表两个数组对应位置存储的原始浮点数严格相等，二者可能在第10位及之后的小数位存在极微小的存储偏差。
• np.in1d的比对逻辑是逐元素做严格相等判断，等价于逐对执行arr1元素 == arr2元素的判断。只要两个浮点数的二进制存储值存在哪怕1e-16量级的偏差，就会被判定为不匹配，哪怕打印出来的数值看起来完全没有区别。
• 你之前尝试用np.copy生成独立内存对象的操作完全无法解决问题：拷贝操作只是把原数组内存里的比特值原样复制到新内存块，不会修正两个原始数组之间本身存在的精度差异，所以拷贝完成后开展比对，结果依然会是全False。

快速定位差异的方法 #

把NumPy的打印精度拉满，就能直观看到两个数组的真实存储值差异：

# 关闭打印截断，展示完整的float64精度
np.set_printoptions(precision=20)
print("arr1真实存储值：", arr1)
print("arr2真实存储值：", arr2)

执行后你会发现，两个数组对应位置的数值，在第8位小数之后的内容存在明显差异，这就是np.in1d判定为无匹配的直接原因。

可行的解决方向 #

• 如果需要按约定精度做匹配判断，可以先把两个数组按目标精度做统一截断取整，再开展比对。比如统一保留8位小数后再调用np.in1d：

  arr1_norm = np.round(arr1, decimals=8)
  arr2_norm = np.round(arr2, decimals=8)
  print(np.in1d(arr1_norm, arr2_norm))
  

• 如果需要自定义比对容差，可以基于np.isclose实现带阈值的匹配逻辑，替代默认的严格相等规则。

内容的提问来源于stack exchange，提问作者Jamalan