如何在NumPy二维数组中删除指定的[1,2]子数组？

问题分析 #

你之前的两种方法都没命中核心需求：要删除的是完全匹配[1,2]的整行，而不是包含1/2的元素，也不是把数组扁平化处理。

• np.delete + np.where + np.isin：要么没指定axis=0导致数组被扁平化，要么错误地用元素匹配代替了整行匹配，结果自然不对。
• np.setdiff1d：这个函数是求元素级别的差集，会直接剔除所有1和2的元素，完全不是按行删除的逻辑，不符合需求。

正确实现方法 #

直接通过整行匹配的布尔索引来过滤数组，保留所有不等于目标子数组的行，代码示例如下：

import numpy as np

# 示例二维数组（可替换为你的实际数组）
original_arr = np.array([[1,2], [3,5], [6,1], [1,2], [3,4]])
target_subarray = np.array([1,2])

# 生成布尔掩码：True表示该行不是目标子数组，False表示是目标子数组
mask = ~(original_arr == target_subarray).all(axis=1)

# 应用掩码过滤数组
result_arr = original_arr[mask]

print(result_arr)
# 输出结果：
# [[3 5]
#  [6 1]
#  [3 4]]

代码解释 #

1. original_arr == target_subarray：逐元素比较原数组和目标子数组，得到一个与原数组形状相同的布尔数组。
2. .all(axis=1)：沿行方向（axis=1）检查，只有整行所有元素都匹配时返回True，否则返回False。
3. ~：对布尔数组取反，让True代表需要保留的行。
4. 用掩码索引原数组，直接得到删除目标子数组后的二维数组，不会改变数组维度。

如果需要删除多个指定子数组，可以扩展逻辑：

targets = [np.array([1,2]), np.array([3,4])]
# 合并多个目标的掩码
mask = np.logical_and.reduce([~(original_arr == t).all(axis=1) for t in targets])
result_arr = original_arr[mask]

内容的提问来源于stack exchange，提问作者Hamidreza Mafi