Python 检查Numpy数组中是否包含单个元素

我只想检查一个numpy数组是否包含一个与列表中的contains类似的数字。有没有一种简洁的方法可以做到这一点

a = np.array(9,2,7,0)
a.contains(0)  == true

---

您可以在中使用

0。i、 e

a = np.array([9,2,7,0])
0 in a

如果是numpy数组：

a = np.array([1, 2])

然后使用：

1 in a

返回true，而：

0 in a

返回false
我在python 3.7中计时了一些方法来执行此操作：

将numpy导入为np
rnd=np.random.RandomState（42）
一个d=rnd.randint（100，尺寸=10000）
n_d=rnd.randint（100，大小=（10000，10000））
搜索=42
#一维
%timeit if np.isin（one_d，searched，假设_unique=True）。any（）：pass
%timeit if np.in1d（一个搜索，假设唯一=True）。any（）：pass
%一次搜索时间：通过
%timeit if one_d[np.searchsorted（one_d，searched）]==searched:pass
%如果np.count\u非零（one\u d==searched），则timeit:pass
打印（“---------------------------------------------------------------------------”）
#N维
%timeit if np.isin（n_d，searched，假设_unique=True）。any（）：pass
%timeit如果np.in1d（n_d，searched，假设_unique=True）。any（）：pass
%如果在n\u d:pass中搜索timeit
%如果np.count\u非零（n\u d==searched），则timeit：通过

1d阵列的最快速度是上面提出的
np。searchsorted
，但它不能用于ndarrays。另外，
np.count\u nonzero
是最快的，但它并不比

中的pythonic

快多少，所以我建议使用

中的

可能重复的
np.array（9,2,7,0）
会引发一个错误。可能重复的伟大答案，谢谢！
0 in a

>>> 42.8 µs ± 79.3 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)
>>> 38.6 µs ± 76.2 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)
>>> 16.4 µs ± 57.3 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
>>> 4.7 µs ± 62.7 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
>>> 12.1 µs ± 69.1 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
>>> ------------------------------------------------------------------
>>> 239 ms ± 1.04 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
>>> 241 ms ± 1.17 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
>>> 156 ms ± 2.78 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
>>> 163 ms ± 527 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)