Python 如何逐行比较numpy中另一个矩阵的每一行的存在性？

我有两个矩阵，第一个更大（大约400k个条目），另一个1k

两者都是nx3（行x列），存储3D点（没有重复条目）

为了举例说明，我可以将它们声明为（将numpy导入为np，任意值）：

及

直截了当地说，我想要这个输出：

>>array([False,True,False,False,True])

我只是想知道a中的哪些行是b行，而不是b行是哪一行或其他更复杂的行。所以有一种原生的numpy（某种“np.compare_rowwise（b，a）”）方法可以做到这一点

目前我正在使用for循环，类似于这样：

for point in b:
    # 'occurance index' is the row index where point in b is equal
    occurence_index = np.where(np.all(a == point,axis=1))[0]

实际上，它工作得很好，但速度非常慢，在很多帖子中，我读到很多更有经验的人说：“在numpy中避免for循环”

我的真实场景是：我有很多激光雷达点云（用laspy读取，它们的XYZ坐标存储为“大”n x 3矩阵），我需要更改一些重新分类的点（小”n x 3矩阵）的分类代码（存储为一维numpy数组）。使用发生的一维布尔数组，我可以轻松地执行“cloud.classification[occurrence\u vector]=newclasscode”

那么，我怎样才能用numpy做到这一点呢

---

我真的对解决我的问题很感兴趣，我会接受任何其他最快python工具的建议。

我希望这个python代码片段能帮你完成这项工作

---

[如果i.tolist（）在[j.tolist（）代表j在b]中为True，如果i在a中为False]

感谢您的回答，但我认为使用列表会严重减慢过程。。。

>>array([False,True,False,False,True])

for point in b:
    # 'occurance index' is the row index where point in b is equal
    occurence_index = np.where(np.all(a == point,axis=1))[0]