Numpy中如何筛选指定列范围内存在取值为True的所有行

核心逻辑是利用np.any()沿行方向判断指定列范围内是否存在符合条件的值，三步即可完成：

1. 选中待检查的指定列，生成布尔矩阵标记值为1的位置
2. 沿axis=1（行维度）执行任意满足判断，得到行筛选掩码
3. 用掩码索引原数组得到结果

import numpy as np

# 示例输入数组
data = np.array([[1., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 1., 0., 0., 1., 0., 0., 0., 1., 0., 0., 1.,  1., 0., 0., 0., 0., 1., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 1., 0., 0.,  0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 1., 0.,],
                 [0., 0., 0., 0., 1., 0., 0., 0., 0., 0., 0., 0., 1., 0., 1., 0., 0., 0., 0., 0., 0., 0., 0., 0.,  0., 0., 0., 0., 0., 0., 0., 0., 1., 0., 0., 0., 0., 0., 0., 0., 1., 0., 1., 0., 0., 0., 0., 0.,  0., 0., 1., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 1.,],
                 [0., 0., 1., 0., 0., 0., 1., 1., 0., 0., 1., 0., 0., 0., 0., 1., 0., 0., 0., 0., 0., 1., 0., 0.,  0., 0., 0., 0., 1., 0., 1., 0., 0., 0., 0., 0., 0., 0., 0., 1., 0., 0., 0., 1., 0., 0., 0., 0.,  1., 0., 0., 1., 0., 0., 1., 0., 0., 0., 0., 0., 0., 0.,],
                 [0., 0., 0., 1., 0., 1., 0., 0., 1., 1., 0., 0., 0., 0., 0., 0., 0., 1., 1., 1., 0., 0., 1., 0.,  0., 1., 1., 1., 0., 0., 0., 1., 0., 1., 0., 1., 0., 1., 1., 0., 0., 1., 0., 0., 1., 0., 1., 1.,  0., 0., 0., 0., 1., 1., 0., 1., 1., 0., 1., 1., 0., 0.,],
                 [0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,  0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 1., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,  0., 1., 0., 0., 0., 0., 0., 0., 0., 1., 0., 0., 0., 0.,],
                 [0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 1., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,  0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 1., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,  0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,],
                 [0., 1., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,  0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,  0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,]])

# 替换为你需要检查的列索引
target_cols = [1,2,5]
# 生成行筛选掩码
row_mask = np.any(data[:, target_cols] == 1., axis=1)
# 得到筛选结果
filtered_data = data[row_mask]

针对示例中target_cols = [1,2,5]的场景，运行后得到的filtered_data为原数组索引为2、3、6的三行，符合「指定列存在至少一个1」的筛选要求。
如果需要检查连续列范围，直接用切片替换离散列索引即可，比如检查第1到第5列（左闭右开）可以写为data[:, 1:6]。

内容的提问来源于stack exchange，提问作者Sven