Python：如何用内置方法查找ndarray中存在于另一ndarray的子数组

嘿，这个需求其实在NumPy里有几种实用的实现方式，我来给你一步步讲清楚：

方法一：利用view和np.in1d（高效推荐） #

当你需要判断二维数组的整行是否存在于另一个二维数组时，直接用元素级比较会很麻烦。我们可以把每一行转换成一个连续的字节块视图，这样就能把整行当成单个元素来处理，再用np.in1d快速判断归属：

import numpy as np

arr1 = np.array([[1,2], [2,9], [3,7], [5,11], [32,5], [11,4], [89,3], [37,5]])
arr2 = np.array([[12,44], [2,9], [125,3], [37,5]])

# 将每行转换为字节视图，把二维行变成一维"元素"
dtype = np.dtype((np.void, arr1.dtype.itemsize * arr1.shape[1]))
view1 = arr1.view(dtype).ravel()
view2 = arr2.view(dtype).ravel()

# 生成掩码：标记arr2中哪些行存在于arr1中
mask = np.in1d(view2, view1)

# 获取结果
matching_subarrays = arr2[mask]
matching_indices = np.where(mask)[0]

print("匹配的子数组：", matching_subarrays)
print("在arr2中的索引：", matching_indices)

运行后会输出：

匹配的子数组： [[ 2  9]
 [37  5]]
在arr2中的索引： [1 3]

这个方法的优势是效率极高，尤其是当数组规模较大时，因为它基于哈希查找，时间复杂度接近O(n)。

方法二：利用广播和all/any（直观易懂） #

如果你更喜欢直观的逻辑，可以用NumPy的广播机制来逐行比较：

import numpy as np

arr1 = np.array([[1,2], [2,9], [3,7], [5,11], [32,5], [11,4], [89,3], [37,5]])
arr2 = np.array([[12,44], [2,9], [125,3], [37,5]])

# 广播比较：arr2的每一行和arr1的所有行逐一对比
# (arr2[:, None] == arr1) 生成三维数组，最后一维是元素级相等判断
# all(axis=2) 判断整行是否完全相等，any(axis=1) 判断arr2的行是否在arr1中存在
matches = np.any((arr2[:, None] == arr1).all(axis=2), axis=1)

# 获取结果
matching_subarrays = arr2[matches]
matching_indices = np.where(matches)[0]

print("匹配的子数组：", matching_subarrays)
print("在arr2中的索引：", matching_indices)

这个方法逻辑清晰，容易理解，但要注意：当arr1和arr2的行数都很多时，会生成一个巨大的三维数组，内存开销会比较大，所以更适合小规模数组。

注意事项 #

• 两个数组的子数组维度必须一致（比如这里都是二维数组，每行长度都是2），否则上述方法无法直接使用。
• 如果子数组中有浮点数，要小心精度问题——因为浮点数的微小误差会导致匹配失败，这时候可能需要用np.isclose替代==进行比较。

内容的提问来源于stack exchange，提问作者Kromag