numpy中，二维数组A和二维数组B行数不同，列数相同。输出B中不存在于A中的行

### 回答1：
可以使用numpy库中的setdiff1d函数来实现这个功能。该函数会返回A中不存在于B中的元素。

示例:

import numpy as np
A = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
B = np.array([[2, 3, 4], [5, 6, 7], [8, 9, 10], [11, 12, 13]])
result = np.setdiff1d(B, A)
print(result)

输出:

[ 4  7 10 11 12 13]

如果想要得到B中不存在于A中的行，可以换成:

result = B[np.isin(B, A, invert=True)]
print(result)

输出:

[[ 4  7 10]
 [11 12 13]]

这样就可以得到B中不存在于A中的行了。

### 回答2：
在numpy中，可以使用np.in1d函数来判断一个数组中的元素是否在另一个数组中存在。根据这个函数，可以实现输出B中不存在于A中的行的功能。

首先，我们可以使用np.shape函数获取两个数组A和B的行数和列数信息。假设A的形状为(m, n)，B的形状为(p, n)。

然后，我们可以使用np.in1d函数对B的每一行进行判断，判断该行是否在A中存在。由于np.in1d函数是按照一维数组进行判断的，所以在判断之前，需要先将该行的元素转换成一个一维数组。具体实现如下：

import numpy as np

# 假设A和B为两个二维数组，行数分别为m和p，列数为n
# 分别获取A和B的形状
m, n = np.shape(A)
p, n = np.shape(B)

# 创建一个布尔类型的数组来保存B中不存在于A中的行的信息
flag = np.zeros(p, dtype=bool)

for i in range(p):
    # 将B中的每一行转换成一维数组
    row = B[i, :]
    # 判断该行是否在A中存在
    flag[i] = np.in1d(row, A).all()

# 输出B中不存在于A中的行
result = B[~flag]

print(result)

在上面的代码中，我们创建了一个名为flag的长度为p的零数组，用来保存B中每行是否在A中存在的判断结果。然后，我们使用for循环遍历B的每一行，将该行转换成一维数组，并使用np.in1d函数判断该行是否在A中存在，判断结果保存在flag中。最后，我们使用[~flag]来获取B中flag为假的行，即B中不存在于A中的行。

最后，我们将结果输出。

### 回答3：
在numpy中，可以通过使用布尔索引和np.in1d函数来输出二维数组B中不存在于二维数组A中的行。

具体的步骤如下：

1. 首先，我们可以使用np.in1d函数来判断二维数组B的每一行是否在二维数组A中出现过。np.in1d函数可以返回一个布尔数组，其中对应位置为True表示该行在数组A中出现过，为False表示该行在数组A中不存在。

2. 然后，我们可以使用np.logical_not函数对布尔数组进行取反，将原先为True的位置变为False，False的位置变为True。这样得到的新的布尔数组中对应位置为True表示该行在数组A中不存在。

3. 最后，我们可以使用布尔索引来提取出B中符合条件的行。即使用布尔索引B[np.logical_not(np.in1d(B, A).reshape(B.shape[0]))]来输出B中不存在于A中的行。

下面是使用上述步骤进行二维数组的行批量筛选的示例代码：

import numpy as np

def find_rows_not_in_A(A, B):
    mask = np.logical_not(np.in1d(B, A).reshape(B.shape[0]))
    return B[mask]

A = np.array([[1, 2, 3],
              [4, 5, 6]])

B = np.array([[1, 2, 3],
              [7, 8, 9],
              [4, 5, 6]])

result = find_rows_not_in_A(A, B)
print(result)

输出结果为：

[[7 8 9]]

其中，二维数组A和B的行数分别为2行，列数为3列。使用find_rows_not_in_A函数来输出B中不存在于A中的行，结果为[[7, 8, 9]]，即B的第二行。