为何numpy.delete处理布尔数组时总是多删除一个元素？

这问题我刚学numpy的时候也踩过一模一样的坑！核心原因是你误解了np.delete第二个参数的用法——它不支持直接传入布尔掩码来指定要删除的元素，这是很多新手容易搞错的点。

先拆解你遇到的两种情况： #

1. 当你传入bb = np.array([0,0,0,0,0,0,0,0], dtype='bool')时：
   numpy会把布尔数组强制转换成整数数组，也就是[0,0,0,0,0,0,0,0]。而np.delete的第二个参数obj接受的是要删除的索引位置（单个索引、索引数组或切片），所以这里它会删除所有索引为0的元素（虽然重复传了多次，但结果还是只删一次），原数组[1,2,3,...8]去掉索引0的元素1，就得到了你看到的array([2, 3, 4, 5, 6, 7, 8])。

2. 当你改成bb = np.array([1,0,0,0,0,0,0,0], dtype='bool')时：
   布尔数组转成整数数组是[1,0,0,0,0,0,0,0]，这时候np.delete会删除索引1和索引0的元素（因为数组里包含这两个索引值），原数组去掉1（索引0）和2（索引1），就得到了array([3, 4, 5, 6, 7, 8])。

正确的布尔掩码删除方式 #

如果你想用布尔数组来筛选/删除元素，直接用numpy的布尔索引就可以了，这是numpy里处理这类需求的标准方式：

import numpy as np
aa = np.array([1,2,3,4,5,6,7,8])

# 情况1：全False，保留所有元素
bb = np.array([0,0,0,0,0,0,0,0], dtype='bool')
result = aa[~bb]  # ~是取反操作，把False转成True，True转成False
print(result)  # 输出 array([1, 2, 3, 4, 5, 6, 7, 8])

# 情况2：第一个元素为True，删除它
bb = np.array([1,0,0,0,0,0,0,0], dtype='bool')
result = aa[~bb]
print(result)  # 输出 array([2, 3, 4, 5, 6, 7, 8])

再补充下np.delete的正确用法 #

np.delete的设计是通过索引位置来删除元素，比如：

• 删除单个索引：np.delete(aa, 0) → 去掉第一个元素
• 删除多个索引：np.delete(aa, [0,1]) → 去掉前两个元素
• 删除切片：np.delete(aa, slice(0,2)) → 同样去掉前两个元素

如果非要用np.delete配合布尔掩码，你可以先把布尔掩码转换成索引数组：

# 找到所有为True的索引，然后删除这些位置的元素
indices_to_delete = np.where(bb)[0]
result = np.delete(aa, indices_to_delete)

内容的提问来源于stack exchange，提问作者f. c.