np.intersect1d求交集会自动去重并升序排列，不保留原始顺序和重复元素；需保留重复用np.isin(a,b)布尔索引，无法禁用排序；多维数组须先ravel()；字符串或object类型不支持，应改用Python原生集合操作。
用 np.intersect1d 求交集，但默认会去重和排序
如果你传入的是普通一维数组，np.intersect1d 最直接——但它会自动去重 + 升序排列，这和 Python 原生 set(a) & set(b) 行为一致，但不保留原始顺序或重复元素。
常见误用场景：想保留重复值（比如统计共同出现次数），结果发现输出变短了、顺序乱了。
- 要保留重复？得自己用布尔索引：
np.isin(a, b)配合a[np.isin(a, b)] - 要避免排序？加参数
assume_unique=True并确保输入已去重，再配合return_indices=False（但排序仍会发生，本质不可禁） - 多维数组不支持直接用——必须先
ravel()或按轴手动处理
用 np.union1d 求并集，同样强制去重+升序
它等价于 np.unique(np.concatenate([a, b]))，底层调的就是 np.unique。所以别指望它保留频次、顺序或结构。
典型踩坑：拼接两个含重复的数组，期望得到“所有元素合起来”，结果长度比 len(a)+len(b) 小很多。
立即学习“Python免费学习笔记（深入）”；
- 真要保留所有元素（不去重）？直接用
np.concatenate([a, b])或np.hstack([a, b]) - 要按原顺序合并且去重？得手写循环或用
dict.fromkeys()转回 Python list 再转 numpy（np.array(list(dict.fromkeys(list(a)+list(b)))))） - 二维数组求行级并集？得用
np.vstack+np.unique(..., axis=0)，注意axis=0才是按行去重
需要保留原始形状或计数？绕开 xxx1d 函数更稳
NumPy 的集合操作函数设计目标是“数学意义下的集合”，不是“数据处理意义上的合并”。一旦你关心重复、顺序、维度对齐，它们就容易成为障碍。
比如：两个相同 shape 的布尔数组，想找出都为 True 的位置——这不是交集，是逻辑与：a & b；想合并 mask，用 a | b 更自然、更快。
- 统计共同元素频次？用
np.histogram或np.bincount（需非负整数）配合np.intersect1d结果做映射 - 求两个 2D 数组对应位置的“元素级交集”？不存在这种操作——交集是集合概念，不是逐元素运算
- 性能敏感时，
np.isin比np.intersect1d快不少，尤其当b较大而a较小时
遇到 ValueError: object arrays are not supported 怎么办
这是最常卡住人的错误：你传了 list of lists、嵌套结构、或 dtype=object 的数组给 intersect1d/union1d。
它们只接受 flat 数值型数组（int/float/bool 等），不支持 Python 对象。
- 检查
a.dtype和b.dtype，如果是object，先尝试np.array(a.tolist())或显式指定dtype - 字符串数组可以，但要用
np.char模块做集合操作（如np.char.add不适用，得换思路） - 真要处理不规则结构？老实用 Python 的
set、collections.Counter，别硬塞进 NumPy
