如何使用Numpy标记并获取包含指定值的数组行索引？

当然可以实现，方法很直接，不用纠结numpy.mask，用np.isin配合行级判断就能搞定。下面是具体步骤和代码：

1. 把数据转换成NumPy数组 #

先将你给出的两组数据转成NumPy数组：

import numpy as np

# 第一个数组
arr1 = np.array([
    [247, 656, 6363],
    [13822, 13818, 30054],
    [10174, 25484, 6553],
    [6107, 2927, 6578],
    [2904, 6462, 3941],
    [16562, 8692, 16563],
    [25182, 6681, 25181],
    [6679, 6429, 3841]
])

# 需要检查的目标值数组
values_to_check = np.array([13822, 13818, 2927, 8692, 3841])

2. 生成行掩码并获取目标行号 #

用np.isin检查arr1中的每个元素是否在values_to_check里，再用any(axis=1)判断每一行是否有至少一个元素匹配，得到的布尔数组就是行掩码：

# 生成掩码：每行如果有元素在目标值里，就为True
row_mask = np.isin(arr1, values_to_check).any(axis=1)

# 获取符合条件的行号（NumPy行号从0开始）
target_row_indices = np.where(row_mask)[0]
print("符合条件的行号：", target_row_indices)
# 输出：符合条件的行号： [1 3 5 7]

3. 获取对应的行数据 #

直接用掩码索引arr1就能拿到包含目标值的行：

target_rows = arr1[row_mask]
print("包含目标值的行：")
print(target_rows)

输出结果：

[[13822 13818 30054]
 [ 6107  2927  6578]
 [16562  8692 16563]
 [ 6679  6429  3841]]

4. 删除这些行 #

如果要删除目标行，直接取掩码的反值即可：

# 删除目标行后的新数组
filtered_arr = arr1[~row_mask]
print("删除目标行后的数组：")
print(filtered_arr)

输出：

[[  247   656  6363]
 [10174 25484  6553]
 [ 2904  6462  3941]
 [25182  6681 25181]]

关于numpy.mask的问题 #

你提到的numpy.mask应该是指掩码数组（np.ma.MaskedArray），其实上面的方法本质也是用掩码逻辑，只是更直接。如果用掩码数组也能实现，但没必要绕路，上面的方法更简洁高效。

内容的提问来源于stack exchange，提问作者Numpty