删除二维NumPy数组中元素全相同的列时出现索引错误，求解决方案

你的代码触发索引错误的核心原因：循环中删除列会动态减少目标数组的列数，但循环的col_idx始终基于原数组的列数遍历。比如原数组有6列，删除第0列后，新数组只剩5列，当循环到col_idx=5时，新数组的最大列索引是4，自然会越界。

下面是两种可行的修正方案：

方案1：先收集待删除列索引，批量删除 #

先遍历原数组，记录所有元素全相同的列索引，再一次性删除这些列，避免动态修改数组导致的索引混乱：

import numpy as np

arr_2d = np.array([[ 1,  2,  4,  9, 3, 10],
                   [ 1,  3,  4, 12, 3, 15],
                   [ 1,  6,  4, 16, 3, 22],
                   [ 1, 10,  4, 21, 3, 30]])

# 收集所有元素全相同的列索引
cols_to_delete = []
for col_idx in range(arr_2d.shape[1]):
    col = arr_2d[:, col_idx]
    if np.all(col == col[0]):
        cols_to_delete.append(col_idx)

# 批量删除目标列
arr_2d_copy = np.delete(arr_2d, cols_to_delete, axis=1)
print(arr_2d_copy)

方案2：向量化操作（更高效） #

利用NumPy的广播和向量化特性，无需循环即可完成筛选，代码更简洁高效：

import numpy as np

arr_2d = np.array([[ 1,  2,  4,  9, 3, 10],
                   [ 1,  3,  4, 12, 3, 15],
                   [ 1,  6,  4, 16, 3, 22],
                   [ 1, 10,  4, 21, 3, 30]])

# 检查每一列是否所有元素都等于该列第一个元素
all_same_cols = np.all(arr_2d == arr_2d[0, :], axis=0)
# 筛选出元素不全相同的列（~表示取反）
arr_2d_copy = arr_2d[:, ~all_same_cols]
print(arr_2d_copy)

两种方案的输出结果都符合你的预期：

array([[ 2,  9, 10],
       [ 3, 12, 15],
       [ 6, 16, 22],
       [10, 21, 30]])

内容的提问来源于stack exchange，提问作者Mamdud