您可以使用np.in1d，然后使用reshape返回到a的形状，这样您就可以将a中的值设置为您的特殊标志。

import numpy as np
np.random.seed(410012)

a = np.random.randint(0, 16, size=(3, 4))
#array([[ 8,  5,  5, 15],
#       [ 3, 13,  8, 10],
#       [ 3, 11,  0, 10]])

b = np.array([[2,3,9], [4,5,6]])

a[np.in1d(a, b).reshape(a.shape)] = 999
#array([[  8, 999, 999,  15],
#       [999,  13,   8,  10],
#       [999,  11,   0,  10]])

对等式检查进行或运算并不是一个很好的解决方案，因为我想在不提前知道b的大小的情况下做这个。

编辑：

矢量化后的代码等同于你上面写的代码-

a = np.random.randint(0,16, size=(3,4))
b = np.array([2,3,9])

locations = np.nonzero((a==b[0]) | (a==b[1]) | (a==b[2]))

locations2 = np.nonzero((a[None,:,:]==b[:,None,None]).any(0))

np.allclose(locations, locations2)

True

这表明您的输出与这个输出完全相同，而不需要显式地提到b[0], b[1]...或使用for循环。

解释-

1.在这种情况下，广播一个操作可以帮助您。您尝试做的是将每个(3,4)矩阵元素与b中的每个值(3,)进行比较。这意味着所需的结果布尔矩阵将是三个（3，4）矩阵，即(3,3,4)
1.一旦你完成了，你需要在三个（3，4）矩阵元素之间取一个ANY或OR，这将把(3,3,4)减少到(3,4)
1.最后，您需要使用np.nonzero来标识值等于TRUE的位置
以上3个步骤可按以下方法进行-

• 播出比较操作：

a[None,:,:]==b[:,None,None]] #(1,3,4) == (3,1,1) -> (3,3,4)

• 使用OR逻辑减少：

(a[None,:,:]==b[:,None,None]).any(0)  #(3,3,4) -> (3,4)

• 获取非零位置：

np.nonzero((a[None,:,:]==b[:,None,None]).any(0))

numpy.isin适用于多维的a和b。

In [1]: import numpy as np

In [2]: a = np.random.randint(0, 16, size=(3, 4)); a
Out[2]:
array([[12,  2, 15, 11],
       [12, 15,  5, 10],
       [ 4,  2, 14,  7]])

In [3]: b = [2, 4, 5, 12]

In [4]: c = [[2, 4], [5, 12]]

In [5]: np.isin(a, b).astype(int)
Out[5]:
array([[1, 1, 0, 0],
       [1, 0, 1, 0],
       [1, 1, 0, 0]])

In [6]: np.isin(a, c).astype(int)
Out[6]:
array([[1, 1, 0, 0],
       [1, 0, 1, 0],
       [1, 1, 0, 0]])

In [7]: a[np.isin(a, b)] = 99; a
Out[7]:
array([[99, 99, 15, 11],
       [99, 15, 99, 10],
       [99, 99, 14,  7]])