NumPy数组筛选特定行时遇索引越界错误，求代码修复

问题场景 #

现有两个NumPy数组：

import numpy as np

A = np.array([
    ['12345', 45, 100],
    ['12345', 29, 100],
    ['45451', 23, 0],
    ['56789', 45, 450],
    ['56789', 56, 50],
    ['56567', 5, 500],
    ['89321', 15, 0],
    ['90234', 43, 40],
    ['90234', 55, 0],
    ['99843', 18, 5500]
], dtype=object)

B = np.array([
    ['12345'],
    ['90234'],
    ['45451'],
    ['56789'],
    ['89321']
], dtype=object)

需求 #

仅保留B中满足以下条件的行：元素在A的第一列中存在，且该元素在A中所有对应行的第三列值均为0（最终保留'45451'和'89321'）。

错误代码与问题 #

原代码尝试通过嵌套循环删除不符合条件的元素，但运行时抛出IndexError: index 4 is out of bounds for axis 0 with size 4：

for ind1 in range(len(A)):  
    for ind2 in range(len(B)):
        if (A[ind1][0] == B[ind2]) and (A[ind1][2] > 0):
           B = np.delete(B, ind2, axis=0)
B

错误原因 #

1. 索引越界：循环中直接修改B的长度，但range(len(B))是基于初始数组长度生成的，当数组被缩短后，后续循环的索引会超出数组实际范围。
2. 重复操作逻辑混乱：同一B元素会被A中多个匹配行触发多次删除，比如'12345'在A中有两行满足条件，第一次删除后B已无该元素，第二次判断时会导致逻辑错误。

正确解法 #

方法1：NumPy向量化操作（推荐） #

利用NumPy的向量化特性，先确定需要保留的元素集合，再直接筛选，效率更高且避免索引问题：

# 提取A中第三列为0的行的第一列，去重得到需要保留的ID集合
keep_ids = np.unique(A[A[:, 2] == 0, 0])
# 筛选B中属于keep_ids的行
B_filtered = B[np.isin(B.flatten(), keep_ids)]

print(B_filtered)
# 输出结果：
# [['45451']
#  ['89321']]

方法2：循环优化（如需保留循环逻辑） #

先收集所有需要删除的索引，再倒序删除（避免索引偏移）：

to_delete = []
for ind2 in range(len(B)):
    # 检查当前B元素是否在A中存在对应第三列>0的行
    has_positive = np.any((A[:, 0] == B[ind2][0]) & (A[:, 2] > 0))
    if has_positive:
        to_delete.append(ind2)

# 倒序删除，防止索引偏移
for idx in reversed(to_delete):
    B = np.delete(B, idx, axis=0)

print(B)
# 输出结果：
# [['45451']
#  ['89321']]

内容的提问来源于stack exchange，提问作者yoko