Python 比较两个不同大小的numpy数组的最佳方法

我有两个不同大小的

numpy数组。理论上，一个将是另一个的子集。我想在较大的
numpy数组中查找索引，其值与较小的子集匹配

例如

A = [ 7.52   8.32  16.96  20.05 -24.96 -42.69 -47.47  55.04 -57.62   2.03
  61.94  64.41 -71.3   93.6  151.65 151.75  -0.43  -3.18   4.59  -5.55
   6.44  -9.48   9.31   0.67 -14.34  -8.09  16.23  17.69  19.46  23.52
 -52.59]

B = [61.94 16.23 19.46 -5.55 -0.43 93.6]

2
for
loops将完成这项任务，但我想知道是否有python方法可以更快地完成这项任务

我尝试使用一个循环，但它不起作用（我怀疑
numpy.where
不能使用不同大小的数组）

def get_索引（self、lst_1、lst_2）：
tmp_list=list（）
对于范围内的i（最小值（len（lst_1），len（lst_2））：
如果np.where（lst_2[i]==lst_1）：
tmp_列表追加（一）
返回tmp_列表

如有任何建议，将不胜感激：）

谢谢
您可以使用它来检查哪些索引匹配，您将得到一个布尔数组

>>> np.in1d(A,B)
array([False, False, False, False, False, False, False, False, False,
       False,  True, False, False,  True, False, False,  True, False,
       False,  True, False, False, False, False, False, False,  True,
       False,  True, False, False])

然后，您可以执行以下操作，以获得实际索引：

>>> np.arange(A.shape[0])[np.in1d(A,B)]
array([10, 13, 16, 19, 26, 28])

注意：这对于大型阵列执行速度非常快，并且易于检查相反的情况。要么
np.inad（A，B，invert=True）
要么
np.arange（A.shape[0]）[~np.inad（A，B）]

编辑：正如评论中所建议的，获取索引的明显方式（我错过了，天知道为什么？！）是：
np.nonzero（np.in1d（a，B））
获取索引的更简洁方式是
np.nonzero（np.in1d（a，B））
@DanielF True。我不明白为什么我没有那样做！