np.intersect1d() 默认去重并升序排序，不保留原序和重复元素；需保序保重用 a[np.isin(a, b)]；类型不一致（如int与float）会导致交集为空，须显式统一dtype。

用 np.intersect1d() 找两个 NumPy 数组的交集，但结果总被去重排序？

没错，np.intersect1d() 默认就干两件事：取交集 + 去重 + 升序排序。如果你传入 [3, 1, 2, 1] 和 [2, 1, 4]，返回的是 [1, 2]，不是按原数组顺序保留重复的 [1, 2, 1]。

想保留原始顺序或重复元素？它不支持——这不是 bug，是设计如此。真要按出现顺序取交集（比如做索引对齐），得换思路：

• 用布尔索引 + np.isin()：比如 a[np.isin(a, b)]，保留 a 中在 b 里存在的所有元素（含重复、保序）
• 若还需去重但不排序，用 np.unique() 配合 return_index=True 再按原 index 排序
• assume_unique=True 参数能加速，但前提是确认输入已无重复，否则结果错

用 np.setdiff1d() 算差集，为什么结果里还有 b 里的数？

np.setdiff1d(a, b) 意思是 “a 中有、b 中没有” 的元素，只作用于 a。它不会动 b，也不会返回 b - a。常见误解是以为它像集合对称差，其实完全不是。

典型翻车场景：

• 想求 “a 和 b 的差异全部”，得手动算两次：np.concatenate([np.setdiff1d(a, b), np.setdiff1d(b, a)])
• 默认仍会去重+排序，和 intersect1d 一样；需要保序？同样得用 ~np.isin(a, b) 布尔掩码
• 如果 a 或 b 是浮点数组，注意精度问题：0.1 + 0.2 != 0.3 会导致差集“漏判”，优先转成整数或用 np.isclose() 自定义判断

拿 Python 原生 set 做交集/差集更快吗？

小数组（几千以内）用 set(a) & set(b) 可能略快，代码也短；但一超过几万，NumPy 向量化优势就压倒性胜出，尤其当数组已在内存中且 dtype 明确时。

更重要的是兼容性陷阱：

• set 会强制把 NumPy 标量转成 Python 类型，丢失 dtype 信息（比如 np.int64 变成 int）
• 不支持结构化数组、对象数组；np.intersect1d() 至少能报错提醒，set 直接抛 TypeError
• 浮点比较行为不同：set 是精确相等，NumPy 函数默认也是，但没提供容差接口——这点必须自己兜底

交集/差集结果为空数组，但你知道它其实是 dtype 不一致导致的吗？

这是最隐蔽的坑：np.intersect1d(np.array([1, 2]), np.array([1.0, 2.0])) 返回空数组 []，不是因为没交集，而是因为 int 和 float 类型不匹配，底层比较全为 False。

检查方法很简单：

• 打印 a.dtype 和 b.dtype，不一致就先统一，比如都转 .astype(float) 或 .astype(int)
• 别依赖自动类型提升——intersect1d 和 setdiff1d 都不做隐式转换
• 字符串数组同理：'1' 和 1 永远不相等，哪怕看起来一样

类型对齐这事，不报错、不警告，只静默返回空，容易一路带到下游计算里才崩。