Numpy中能否对指定二维数组求差集，得到结果[[1 2] [1 3]]？

当然可以实现你要的效果！Numpy本身的集合操作（比如setdiff1d）主要是针对一维数组的，但我们可以通过一点小技巧，把二维数组里的每一列当作一个元素对来处理，就能顺利求出差集。

具体步骤和代码示例 #

首先先定义你给出的两个数组：

import numpy as np

# 你的原始数组
arr1 = np.array([[0,0,0,0,1,1,1,1,2,2,2,2],
                 [0,1,2,3,0,1,2,3,0,1,2,3]])
arr2 = np.array([[0,0,0,0,1,1,1,2,2,2],
                 [0,1,2,3,0,2,3,0,1,2]])

接下来是关键操作：把每一列的元素对转换成一维的可哈希结构，这样Numpy的集合函数就能处理了。我们可以用view方法，把每一列的两个整数打包成一个结构化类型：

# 将数组转置（让每一行对应原数组的一列元素对），再用view打包成结构化标量
arr1_pairs = arr1.T.view('i,i').ravel()
arr2_pairs = arr2.T.view('i,i').ravel()

然后用np.setdiff1d找出arr1中存在但arr2中不存在的元素对：

diff_pairs = np.setdiff1d(arr1_pairs, arr2_pairs)

最后把结果转回你需要的二维数组格式：

# 把结构化标量拆回成整数数组，再转置回行格式
result = diff_pairs.view('i').reshape(-1, 2).T
print(result)

运行这段代码后，输出正好是你想要的结果：

[[1 2]
 [1 3]]

补充说明 #

• 如果你的数组元素不是整数，只需要把'i,i'改成对应的类型即可，比如浮点数用'f,f'，要和原数组的 dtype 保持一致。
• view方法不会复制数据，只是改变了数组的视图，所以这个操作效率很高，不会额外占用太多内存。

内容的提问来源于stack exchange，提问作者sergiuz