如何使用Numpy获取两个列表中的重复数组？是否有更优方法？

嘿，这个问题问到点子上了！手动遍历每个元素去检查的方法不仅写起来麻烦，当你的数组规模变大时，效率会低得让人头疼。Numpy本身就提供了几种更高效的内置方案，完全不用自己造轮子。

方法一：利用np.intersect1d结合数组视图 #

这个方法的核心是把每行数组转换成一个可以被Numpy识别为单个元素的“视图”，这样就能用np.intersect1d直接找交集了，全程都是Numpy的C级别的高效操作，比Python循环快N倍。

示例代码：

import numpy as np

# 假设我们有两个二维数组，每行代表一个"圆"的参数（比如x,y,r）
circles_1 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
circles_2 = np.array([[4, 5, 6], [7, 8, 9], [10, 11, 12]])

# 定义一个工具函数，把每行转成连续字节的视图（不复制数据，只是改变解读方式）
def row_to_view(arr):
    return arr.view(np.dtype((np.void, arr.dtype.itemsize * arr.shape[1])))

# 生成两个数组的行视图
view1 = row_to_view(circles_1)
view2 = row_to_view(circles_2)

# 找两个视图的交集
common_views = np.intersect1d(view1, view2)

# 把视图转换回原数组格式
common_circles = common_views.view(circles_1.dtype).reshape(-1, circles_1.shape[1])

print(common_circles)
# 输出：[[4 5 6]
#        [7 8 9]]

方法二：合并数组后用np.unique统计出现次数 #

这个方法更直观：把两个数组合并，然后找出在合并数组中出现次数≥2的行——这些就是同时存在于两个原数组中的重复行。

示例代码：

import numpy as np

circles_1 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
circles_2 = np.array([[4, 5, 6], [7, 8, 9], [10, 11, 12]])

# 合并两个数组
combined = np.vstack((circles_1, circles_2))

# 按行去重，并返回每个唯一行的出现次数
unique_rows, counts = np.unique(combined, axis=0, return_counts=True)

# 筛选出出现次数≥2的行（即两个原数组都存在的行）
common_circles = unique_rows[counts >= 2]

print(common_circles)
# 输出和上面一样

注意事项 #

• 如果你的数组是浮点型，要小心浮点精度问题！比如两个看起来相同的浮点数，可能因为计算误差导致字节层面不同，这时候上面的方法会失效。这种情况可以先对数组做四舍五入（比如np.round(arr, decimals=6)），或者用基于容差的比较（不过这种情况效率会稍低，需要结合广播和np.allclose来处理）。
• 这两种方法的时间复杂度都远低于遍历：遍历是O(m*n)，而Numpy的内置方法是O(m log m + n log n)级别，数据量越大，优势越明显。

内容的提问来源于stack exchange，提问作者uioporqwerty