numpy.delete删除随机采样数组元素后长度异常问题

核心bug出在np.random.choice的默认采样逻辑：

• 该函数默认使用有放回采样，你没有显式指定replace=False，因此生成的索引数组ints1存在大量重复值
• 当向np.delete传入包含重复值的索引数组时，同一个行位置只会被删除一次，不会因为索引重复出现就多次删除同一行，最终实际删除的行数远小于你预期的10%
• 数值校验：预期删除150298行，实际删除行数为1502983 - 1359941 = 143042行，差值7256就是重复索引导致的少删行数
• 额外隐患：你对两个数组复用了同一组采样索引ints1，如果x_2g长度和x_1g不一致，会直接触发索引越界报错。

采样时显式开启无放回模式，两个数组分别生成独立的采样索引，删除后交叉拼接即可保证形状和原数组完全一致：

import numpy as np

# 处理第一个数组的10%采样
n1 = x_1g.shape[0]
sample_num1 = round(n1 * 0.1)
# 无放回采样保证索引唯一，无重复
swap_idx1 = np.random.choice(n1, sample_num1, replace=False)
x1_swap_part = x_1g[swap_idx1, :]
x1_remain = np.delete(x_1g, swap_idx1, axis=0)

# 处理第二个数组的10%采样
n2 = x_2g.shape[0]
sample_num2 = round(n2 * 0.1)
swap_idx2 = np.random.choice(n2, sample_num2, replace=False)
x2_swap_part = x_2g[swap_idx2, :]
x2_remain = np.delete(x_2g, swap_idx2, axis=0)

# 交叉拼接得到最终数组，形状与原数组完全一致
x_1g_new = np.vstack([x1_remain, x2_swap_part])
x_2g_new = np.vstack([x2_remain, x1_swap_part])

校验提示：执行完成后打印形状，x_1g_new.shape与原x_1g.shape完全相等，x_2g_new.shape与原x_2g.shape完全相等，两个数组各包含10%来自对方的样本数据。

内容的提问来源于stack exchange，提问作者Lara