我首先偷了@hpaulj的例子，所以这是值得称赞的。然后使用isin。

import numpy as np

first = np.arange(15).reshape(5,3)
second = np.array([4,3,1,13])
res = np.isin(first, second)

print(res.any(axis=1))

我决定把这个计时出来，结果差别是天文数字：

import numpy as np
import timeit

first = np.arange(30000).reshape(-1,3)
second = np.random.randint(0, 30000, size=1000)

def add_dimension(first, second):
    res = (first[:,:,None]==second).any(axis=(1,2))
    return res
    
def with_isin(first, second):
    res = np.isin(first, second).any(axis=1)
    return res
    
print("With dimension:",timeit.timeit(lambda: add_dimension(first, second), number=1000))
print("With isin", timeit.timeit(lambda: with_isin(first, second), number=1000))

a = add_dimension(first, second)
b = with_isin(first, second)
print(np.array_equal(a, b))

这给了我：

With dimension: 15.245749666937627
With isin 0.18458845792338252
True

第一，使用3D比较阵列。
一对样品阵列：

In [184]: first = np.arange(15).reshape(5,3); second = np.array([4,3,1,13])

In [185]: first, second
Out[185]: 
(array([[ 0,  1,  2],
        [ 3,  4,  5],
        [ 6,  7,  8],
        [ 9, 10, 11],
        [12, 13, 14]]),
 array([ 4,  3,  1, 13]))

使用numpy广播比较2，结果是3d：

In [186]: first[:,:,None]==second
Out[186]: 
array([[[False, False, False, False],
        [False, False,  True, False],
        [False, False, False, False]],

       [[False,  True, False, False],
        [ True, False, False, False],
        [False, False, False, False]],

       [[False, False, False, False],
        [False, False, False, False],
        [False, False, False, False]],

       [[False, False, False, False],
        [False, False, False, False],
        [False, False, False, False]],

       [[False, False, False, False],
        [False, False, False,  True],
        [False, False, False, False]]])

现在检查所需的True组合。对于first的所有行，至少有一个True：

In [187]: (first[:,:,None]==second).any(axis=1)
Out[187]: 
array([[False, False,  True, False],
       [ True,  True, False, False],
       [False, False, False, False],
       [False, False, False, False],
       [False, False, False,  True]])

测试最后一行first和second（轴2）：

In [188]: (first[:,:,None]==second).any(axis=(1,2))
Out[188]: array([ True,  True, False, False,  True])

和行索引：

In [189]: np.nonzero(_)
Out[189]: (array([0, 1, 4], dtype=int64),)

编辑

对于我的小例子，使用isin：

In [191]: np.isin(first,second)
Out[191]: 
array([[False,  True, False],
       [ True,  True, False],
       [False, False, False],
       [False, False, False],
       [False,  True, False]])

In [192]: np.isin(first,second).any(axis=1)
Out[192]: array([ True,  True, False, False,  True])

In [193]: timeit np.isin(first,second).any(axis=1)
170 µs ± 338 ns per loop (mean ± std. dev. of 7 runs, 10,000 loops each)

In [194]: timeit (first[:,:,None]==second).any(axis=(1,2))
17.1 µs ± 101 ns per loop (mean ± std. dev. of 7 runs, 10,000 loops each)

以及按列测试迭代：

In [199]: timeit np.any([(first[:,i,None]==second).any(axis=1) for i in range(3)], axis=0)
84.1 µs ± 331 ns per loop (mean ± std. dev. of 7 runs, 10,000 loops each)

但与大多数计时一样，它们可以通过大型示例进行不同的缩放。