在发布此问题之前，我已经搜索过该网站上的解决方案，但找不到任何解决方案。
假设我有2个numpy二维数组a和b，这样：
a = np.array([[0.,1.],[0.5,1.6],[1.2,3.2],[4.,3. ],[4.7,3.5],[5.9,2.4],[7.6,8.8],[9.5,6.2]
])
b = np.array([[7.6,6.2],3.2]
])
我想获取数组b中数组a的参数。也就是说，对于b的每一行，返回其在b上的位置。
在这种情况下，预期结果如下：
args =np.array([6,3,7,2])
我已经尝试过类似的事情：
args = np.argwhere(a == b) # But the result is an empty array
感谢您的帮助。
尝试一下：
temp_search = (a[:,None] == b).all(-1)
args = np.where(temp_search.any(0),temp_search.argmax(0),np.nan)
args = args[~np.isnan(args)].astype(int)
输出：
[6 3 7 2]
问题似乎出在a==b中。而不是返回np array而是返回一个布尔值，即false。
在2 numpy数组之间使用elementwise进行==比较似乎已经过了一段时间。
https://github.com/numpy/numpy/issues/6784
参考：Check common elements of two 2D numpy arrays,either row or column wise
这是处理数组中重复项的增强版本，请参见this answer以供参考。
import numpy as np
import pandas as pd
def assign_duplbl(a):
df = pd.DataFrame(a)
df['num'] = 1
return df.groupby(list(range(a.shape[1]))).cumsum().values
def argwhere2d(arr,target_arr):
# return the location of arr in the target_array
# this is an updated version to handle duplicates
a = np.hstack((arr,assign_duplbl(arr)))
b = np.hstack((target_arr,assign_duplbl(target_arr)))
temp_search = (b[:,None] == a).all(-1)
args = np.where(temp_search.any(0),np.nan)
args = args[~np.isnan(args)].astype(int)
return args