如何在numpy中实现数组多区间选取？含排除元素、滑动窗口场景

基础需求：排除指定索引取值 #

针对你给出的测试用例X = [1,2,3,4,5,6,7,8,9,10]，需要排除0基索引6、7、8对应的元素，有两种实现方案：

• 原生Python实现（仅适合小数组场景）
  用列表推导+集合判断，实现逻辑如下：

  exclude_idx = {6,7,8}
  result = [val for idx, val in enumerate(X) if idx not in exclude_idx]
  

  执行后返回结果为[1,2,3,4,5,6,10]，符合要求。
• 高效向量化实现（适合大数组、结合滑动窗口的场景）
  用NumPy的内置操作，所有计算在C层面执行，性能比原生列表推导高1~2个数量级：

  import numpy as np
  X_np = np.array(X)
  exclude_idx = [6,7,8]
  result = np.delete(X_np, exclude_idx)
  

结合150大小滑动窗口的实现 #

你提到的实际场景是总长度200的数组，需要从大小为150的滑动窗口中选取对应元素，直接用NumPy的滑动窗口视图实现，无额外内存拷贝开销，全程无Python层循环，效率最高：
注意：如果是每个窗口需要排除窗口内相对位置为6、7、8的元素，用如下实现

import numpy as np
# 生成长度200的测试数组
X_full = np.arange(200)
window_size = 150
# 生成滑动窗口视图，直接复用原数组内存，无拷贝
strided_X = np.lib.stride_tricks.sliding_window_view(X_full, window_shape=window_size)
# 每个窗口需要排除的相对索引
exclude_in_window = [6,7,8]
# 批量过滤所有窗口的指定位置，最终输出形状为(51, 147)，对应51个滑动窗口每个窗口剩余147个元素
all_window_result = np.delete(strided_X, exclude_in_window, axis=1)

如果是需要先排除全局索引6、7、8的元素，再切150大小的滑动窗口，调整顺序即可：

# 先过滤全局指定索引
X_filtered = np.delete(X_full, [6,7,8])
# 再生成滑动窗口
strided_filtered = np.lib.stride_tricks.sliding_window_view(X_filtered, window_shape=150)

内容的提问来源于stack exchange，提问作者Amit Kumar