np.isin(elements, test_elements)是布尔值的2D数组(n行2列)，表示test_elements中是否有一个纯量.
向每一行添加all(顺便说一句，您应该使用numpy:np.isin(elements, test_elements).all(axis=1)来判断两个元素是否都是True，但并不能按照您的要求进行.它不会因为同一行而判断它们是否都为真.
np.isin([(913, 833)], test_elements)就是[[True, True]]，因为913和833都在test_elements中.所以np.isin([(913, 833)], test_elements).all(axis=1)是真的，但这并不能证明你想要什么.
你无法用isin个来实现你想要的.首先，elements的行不是tuple，可以像Python中那样进行索引和比较.它们是一堆数据(numpy与Python的二元组不同).其次，无论如何，isin文档表明test_elements即使不是1D也是扁平的.因此isin仅判断单个纯量值.
如果你想用纯numpy来做到这一点(但不确定这是一个好主意)，你基本上需要进行交互(但以numpy的方式).
(np.array(elements)[:,None,:] == np.array(test_elements)[None,:,:])
是一个3D数组，其元素[x,y,z]表示elements行x的列z是否等于test_elements行y的列z
所以
(np.array(elements)[:,None,:] == np.array(test_elements)[None,:,:]).all(axis=2)
是一个2D数组，其元素[x,y]表示elements行x的两列是否等于test_elements行y的两列.
所以
(np.array(elements)[:,None,:] == np.array(test_elements)[None,:,:]).all(axis=2).any(axis=1)
是一个1D数组，其元素[x]表示elemnts行x的两列是否与test_elements行的任何行的两列相等.
这就是你想要的.
再说一次，不确定这是一个好主意.尤其是从Python二元组开始.
如果列表很小，那么无意中听说将所有这些翻译成numpy数组的风险比在集中进行纯Python搜索更大，例如:
S=set(test_elements)
[row in S for row in elements]
(它利用了二元组在集合 struct 中是可排序、可哈希、可比较等的事实)
如果列表更大，那么，当然，numpy的负担变得可以忽略，并且O(n.m.c)算法(其中n和m是两个列表的行数，c是列数)将尽快实现.
但是，它仍然是一个O(n.m.c)算法，而set版本可能是一个O(n.log(m))算法.当然，即使我对set场表演很天真，一些临时方法也可以击败它.(就像四叉树一样，因为这就像在平面中寻找匹配点一样)
无论哪种方式，这并不是一个真正适合numpy one-liners的工作(您可以用numpy tho实现四叉树库，但那是另一回事了).
TL;博士
isin做不到- 不要试图用麻木的俏皮话来做到这一点.
- 但如果你无论如何坚持这样做，那么
(np.array(elements)[:,None,:] == np.array(test_elements)[None,:,:]).all(axis=2).any(axis=1)是一行台词
- 如果
elements不是太大，就用pony的集合
S=set(test_elements)
[row in S for row in elements]
- 如果这些都是巨大的列表，那么请找到一个临时代码来搜索2D元素.就像四叉树一样.或者是一个具有指数化的 pyramid .