寻找两个NumPy数组之间的共同值，需要使用NumPy提供的函数np.intersect1d()来实现。
np.intersect1d()函数可以接受多个NumPy数组作为输入参数，并返回一个包含这些数组之间的共同元素的新数组。具体的使用方法如下：
import numpy as np
a = np.array([1, 2, 3, 4, 5, 6])
b = np.array([3, 6, 9])
c = np.intersect1d(a, b)
print(c)
上述代码的输出结果为：
[3 6]
即是两个数组a和b之间的共同元素为3和6。
另外，np.intersect1d()函数还有其他可选参数，比如assume_unique和return_indices等。其中，assume_unique参数表示输入数组是否已经去重，如果已经去重可以将此参数设置为True，这样可以加快函数的计算速度。而return_indices参数则可以返回输入数组中共同元素的索引值。
下面再看一个例子：
import numpy as np
a = np.array([1, 2, 2, 4, 5, 6])
b = np.array([2, 2, 3, 6, 9])
c = np.intersect1d(a, b, assume_unique=True, return_indices=True)
print(c)
上述代码的输出结果为：
(array([2, 5]), array([1, 2]))
即是两个数组a和b之间的共同元素为2和6，在a数组中的索引分别为2和5，在b数组中的索引分别为1和2。这里通过设置assume_unique=True参数，避免了重复元素造成的计算效率低下的问题；并通过设置return_indices=True，返回了在两个数组中共同元素的索引值。
因此，在使用np.intersect1d()函数寻找两个NumPy数组之间的共同值，需要考虑到两个数组的数据类型、是否有重复元素等多个方面，才能准确地得到想要的结果。