我必须在我的对象中处理两个表，如下所示：
表1：
| 产量| yield |
| --| ------------ |
| 一千| 1000 |
| 五百| 500 |
| 一百零四| 1024 |
其中code_material是一个10位数，其值不超过4 e +9
表2：
| 输入输出|编码材料|数量| qty |
| --|--|--| ------------ |
| 1000154210|输入|一百| 100 |
| 1123484257|输入|一百| 100 |
| 100010001| OUT| 50人| 50 |
我想做的是从表1中获取code_material，然后搜索表2的第一列以找到它的索引。并且对于TABLE 1中的'code_material'和TABLE 2中的'input/output'的一些值可以包括字符'-'，如'-1000100001'，指示它们是半成品。
我使用str作为两个cols的dtype，并使用np.in1d()来完成以下操作：

# read data from excel
TABLE1 = pd.read_excel(path1, 
                       dtype={'code_material':str, 'yield':float})
TABLE2 = pd.read_excel(path2,
                       dtype={'code_material':str, 'input/output':str,
                              'code_material':str, 'qty':float}

# convert to numpy array
_output = TABLE1['code_material'].to_numpy()
output = _output[~np.char.count(_output, '-')!=0]  # To remove half-finished

table2 = TABLE2.to_numpy()

# some operations to help me find those outputs, not casts.
_idx_notproduction = np.argwhere(table2[:, 2]=='IN')
idx_notproduction = np.argwhere(np.in1d(output, table2[_idx_notproduction, 1]))

# operating segment
j = 0
output = output.tolist()

while j < len(output):
  production = output[j]
  idx_in_table2 = np.argwhere(table2[:, 0] == production)
  # find those input casts
  idx_input = idx_in_table2[:-1]  # Sliced to prevent production from counting itself in.
  input = table2[idx_input, 1][~np.char.count(table2[idx_input, 1], '-')!=0]
  
  idx = np.inid(input, table2[:, 0])  #  here's the in1d that confuses me.

字符串
每次大约需要0.00423s。
但是当我尝试一个类似的示例时，我发现np.in1d()的运行速度比我在对象中的运行速度快了几乎一个数量级（每次大约0.000563s）。下面是我的例子：

arr1 = np.random.randint(1, 3e+9, (1, 5), dtype=np.int64)     # average of 5 codes per search
arr2 = np.random.randint(1, 3e+9, (1, 1170), dtype=np.int64)  # len(TABLE2)=1170 in object
arr1, arr2 = arr1.astype(str), arr2.astype(str)
cost = 0
for i in a:
  s = time.perf_counter()  #For the purpose of timing
  idx = np.in1d(arr1, arr2)
  cost += time.perf_counter() - s

print(cost/len(a))

型
请问是什么原因导致两个in1d()之间的速度差异如此之大？有没有可能使用这个原因来优化我在对象中的代码到这个速度？