Numpy中如何优雅选取步长采样后的数组补集元素？

现有如下代码：

aa = np.arange(16)
step = 4
bb = aa[::4]

该代码选取了数组中每第4个元素，现在需要获取bb的补集，期望输出为：

array([1,  2,  3, 5,  6,  7,  9, 10, 11, 13, 14, 15])

已知可通过生成索引再使用np.setdiff1d实现，但希望有更优雅的方法。

方法1：布尔掩码过滤 #

通过创建布尔数组标记非采样位置，直接索引过滤，高效且直观：

import numpy as np

aa = np.arange(16)
step = 4
mask = np.arange(len(aa)) % step != 0
complement = aa[mask]

方法2：np.delete删除采样索引 #

直接生成要删除的采样索引，用np.delete一次性移除，代码简洁：

import numpy as np

aa = np.arange(16)
step = 4
delete_indices = np.arange(0, len(aa), step)
complement = np.delete(aa, delete_indices)

方法3：切片拼接（适合固定小步长） #

针对固定步长，拼接每段非采样区间的切片，可读性强：

import numpy as np

aa = np.arange(16)
step = 4
complement = np.concatenate([aa[i+1:i+step] for i in range(0, len(aa), step)])

以上三种方法都能得到期望的补集，其中布尔掩码和np.delete的方法通用性更强，适合任意步长和数组长度。

内容的提问来源于stack exchange，提问作者NNN