在担心多个内核之前，我将通过使用字典来消除ismember函数中的线性扫描：
def ismember(a, b): bind = {} for i, elt in enumerate(b): if elt not in bind: bind[elt] = i return [bind.get(itm, None) for itm in a] # None can be replaced by any other "not in b" value您最初的实现需要对B中的元素对A中的每个元素进行全面扫描，使其成为
O(len(A)*len(B))。上面的代码需要对B进行一次完整扫描，以生成dict
Bset。通过使用dict，您可以有效地使A中每个元素的B中每个元素的查找常量保持不变，从而使操作成为可能
O(len(A)+len(B))。如果仍然太慢，则担心使上述功能在多个内核上运行。
编辑：我也稍微修改了您的索引。Matlab使用0，因为其所有数组都从索引1开始。Python / numpy从0开始的数组，所以如果您是数据集，则如下所示
A = [2378, 2378, 2378, 2378]B = [2378, 2379]
并且没有元素返回0，那么您的结果将排除A的所有元素。上面的例程返回
None没有索引而不是0。返回-1是一个选项，但是Python会将其解释为数组中的最后一个元素。
None如果将其用作数组的索引，将引发异常。如果您想要不同的行为，请将
Bind.get(item,None)表达式中的第二个参数更改为要返回的值。
