NumPy中如何获取含inf值的被删除行的索引

核心思路是先构造每行是否为全inf的布尔掩码，基于掩码既可以筛选保留行，也可以直接提取被删除行的索引，不需要额外遍历。

• 第一步：生成全inf行判断掩码
  推荐用更鲁棒的判断逻辑，避免NaN值干扰判断结果：

  import numpy as np
  # 逐行判断是否所有元素都是inf，返回布尔数组，True代表当前行是全inf待删除行
  row_all_inf_mask = np.isinf(BD).all(axis=1)
  

  如果你要沿用原有基于最小值判断的逻辑，也可以写为：

  row_all_inf_mask = (BD.min(axis=1) == np.inf)
  

  注意：原有min判断逻辑存在隐患：如果行内混有NaN值，min(axis=1)会返回NaN，NaN == np.inf结果为False，会把混有NaN和inf的行误判为非全inf行保留，优先推荐np.isinf().all()的写法。

• 第二步：提取被删除行的索引
  直接通过np.where提取掩码中为True的位置，就是所有被删除行的原始索引，可以直接存为新数组：

  deleted_row_indices = np.where(row_all_inf_mask)[0]
  

• 第三步：筛选得到去掉全inf行的目标数组
  对掩码取反，筛选所有非全inf的行即可：

  finding_all_infValue = BD[~row_all_inf_mask]
  

拿测试数组验证逻辑：

BD = np.array([
    [np.inf, np.inf, np.inf],
    [1, 2, np.inf],
    [np.inf, 3, 4],
    [np.inf, np.inf, np.inf]
])

运行上述代码后：

• deleted_row_indices输出为array([0, 3])，对应两个全inf行的原始索引
• finding_all_infValue输出为：

  array([[ 1.,  2., inf],
         [inf,  3.,  4.]])
  

  完全符合删除全inf行的需求。

内容的提问来源于stack exchange，提问作者david