首先将ndarray展平以获得一维数组，然后对其应用set（）：

set(x.flatten())

编辑：既然你似乎只是想要一个集合的数组，而不是整个数组的集合，那么你可以执行value = [set(v) for v in x]来获得集合的列表。

您的问题的当前状态（可以随时更改）：如何有效地从一个大数组中删除重复元素？

import numpy as np

rng = np.random.default_rng()
arr = rng.random((3000, 30000))
out1 = list(map(np.unique, arr))
#or
out2 = [np.unique(subarr) for subarr in arr]

IPython shell中的运行时：

>>> %timeit list(map(np.unique, arr))
5.39 s ± 37.9 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

>>> %timeit [np.unique(subarr) for subarr in arr]
5.42 s ± 58.7 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

更新：正如@hpaulj在他的评论中指出的，我的虚拟示例是有偏见的，因为浮点随机数几乎肯定是唯一的。所以这里有一个更逼真的整数示例：

>>> arr = rng.integers(low=1, high=15000, size=(3000, 30000))

>>> %timeit list(map(np.unique, arr))
4.98 s ± 83.7 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

>>> %timeit [np.unique(subarr) for subarr in arr]
4.95 s ± 51.3 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

在这种情况下，输出列表的元素具有不同的长度，因为存在要删除的实际重复项。

几个早期的“行明智”的独特问题：
vectorize numpy unique for subarrays
Numpy: Row Wise Unique elements
Count unique elements row wise in an ndarray
在其中的几个例子中，计数比实际的唯一值更有趣。
如果每行的唯一值的数量不同，那么结果就不可能是一个（2d）数组。这很好地表明问题不能完全向量化。你需要对行进行某种迭代。