我有两个numpy坐标数组，a (n, 2)和b (m, 2)，其中两个数组中的每一行对应于点的x和y坐标：

a = [[x1, y1], [x2, y2], ..., [xn, yn]]
b = [[x1, y1], [x2, y2], ..., [xm, ym]]

我试图找到一种有效的方法来创建一个布尔掩码，其中True对应于a中b的出现。理论上，b应该是a的子集，但这个条件并不确定。到目前为止，我尝试的解决方案给了我太多的结果（即。b），我不太清楚为什么。因此，我想就可能发生的事情征求意见。
总之，我想实现一个面具，

a[mask] = b

已对数据进行预处理，以删除nan和无穷大值。因为a和b都非常大，所以只使用for循环进行相等性检查是不可行的：

import numpy as np
mask = np.zeros(a.shape, dtype=bool)
for i, p1 in enumerate(a):
    for j, p2 in enumerate(b):
        if p1[0] == p2[0] and p1[1] == p2[1]:
            mask[i] = True

所以我最初使用numpy's isin()方法：

mask = np.isin(a, b, assume_unique=False).all(axis=1)
print(mask.sum())

但是这里我没有得到预期的输出，而是得到了m + k，其中k比n或m小几个数量级。
我已经检查了数组中的重复项：

unique_a = np.unique(a, axis=0)
unique_b = np.unique(b, axis=0)

这表明b没有重复，a确实有一些，但仍然比剩余的k少。
为了验证错误确实可能存在于数据中，而不是找到包含点的方法，我尝试了另一种方法（在https://stackoverflow.com/a/62008597中描述）：

import numba as nb
@nb.jit
def is_in_set_nb(a, b):
    shape = a.shape
    a = a.ravel()
    n = len(a)
    result = np.full(n, False)
    set_b = set(b)
    for i in range(n):
        if a[i] in set_b:
            result[i] = True
    return result.reshape(shape)
mask_x = is_in_set_nb(a[:, 0], b[:, 0])
mask_y = is_in_set_nb(a[:, 1], b[:, 1])
mask = np.zeros((a.shape[0], ), dtype=bool)
mask[mask_x & mask_y] = True
print(mask.sum())

numpy's in1d()方法

mask_x = np.in1d(a[:, 0].flatten(), b[:, 0].flatten())
mask_y = np.in1d(a[:, 1].flatten(), b[:, 1].flatten())
mask = np.zeros((a.shape[0], ), dtype=bool)
mask[mask_x & mask_y] = True

但这两个给予相同的结果m + k。
为了直观地验证数据，我将a[mask]导出到.gpkg，并在QGIS中打开它。使用矢量差工具，我发现a[mask]有一些在b中找不到的额外点，并且b中的一些其他点丢失。它们的数量级与k相同。然而，将这些点集导入到python中并进行与上面相同的包含检查，结果表明缺失的点都包含在b中，但也有一些额外的点，这不应该是？？
所以我的问题是
数据或方法是否有问题，如果有，那是什么？