如何无需将多维数组转为一维，匹配数组值并获取对应索引（Python）

你的需求很明确——不用把多维数组摊平成一维，直接批量找到每个元素在possible_val_array中的对应索引，和你之前处理单个值的逻辑对齐。

首先得说，你原来尝试的np.where(my_val_array==possible_val_array)之所以达不到预期，是因为numpy的广播机制会把possible_val_array扩展成和my_val_array相同的形状，然后返回的是所有匹配位置的坐标，而不是每个元素对应的索引值。

下面给你两种高效的向量化解决方案，都不需要转一维：

方法一：广播+np.argmax（通用场景，无需排序） #

这个方法完全贴合你之前单值处理的逻辑，而且是纯向量化操作，效率很高：

import numpy as np

my_val_array = np.array([(-1,2,3),(3,-1,-1)])
possible_val_array = np.array([-1, 2, 3])

# 给原多维数组增加一个维度，实现和参考数组的广播比较
matches = my_val_array[..., np.newaxis] == possible_val_array
# 沿着新增的维度取argmax，找到第一个匹配的索引（和你单值取[0][0]逻辑一致）
idx = np.argmax(matches, axis=-1)

print(idx)

运行后输出正好是你想要的结果：

[[0 1 2]
 [2 0 0]]

逻辑解释： #

• my_val_array[..., np.newaxis]把原(2,3)的数组变成(2,3,1)的形状，这样就能和形状为(3,)的possible_val_array进行广播，生成一个(2,3,3)的布尔数组——每个元素对应my_val_array中的值是否等于possible_val_array里的某一个值。
• np.argmax(matches, axis=-1)会沿着最后一个维度（也就是参考数组的维度）找到第一个True（数值为1）的位置，这个位置就是对应元素在possible_val_array中的索引。
• 如果possible_val_array里有重复值，这个方法会返回第一个出现的索引，和你之前用np.where(...)取[0][0]的逻辑完全一致。

方法二：np.searchsorted（适用于参考数组已排序且无重复的场景） #

如果你的possible_val_array是排序好且元素唯一的，用np.searchsorted会更快：

import numpy as np

my_val_array = np.array([(-1,2,3),(3,-1,-1)])
possible_val_array = np.array([-1, 2, 3])

# 确保参考数组是排序状态（这里已经满足）
sorted_vals = np.sort(possible_val_array)
# 直接批量查找索引
idx = np.searchsorted(sorted_vals, my_val_array)

print(idx)

这个方法的效率比第一种更高，但有前提条件：参考数组必须是排序的，且没有重复元素，否则结果会不符合预期。

内容的提问来源于stack exchange，提问作者Slash