Python如何高效删除矩阵列表中包含nan的矩阵

• 核心触发点是list.remove()的内部逻辑：该方法会在列表中逐个比对元素和你传入的M_list[t]是否相等，两个numpy数组做相等判断时会返回逐元素对比的布尔数组，Python无法直接判断一个布尔数组的整体真值，所以抛出你遇到的错误。
• 额外隐藏问题：遍历列表的同时删除元素会导致列表长度动态变化，后续的索引会错位，就算修复了当前错误也会出现漏删/索引越界的问题，这种写法本身就不推荐。

方法1：列表推导式（写法最简洁，通用所有场景） #

直接用numpy内置的np.isnan()搭配any()判断矩阵是否含nan，直接筛选符合要求的矩阵即可，不需要显式写循环逻辑：

import numpy as np

# 生成测试数据的代码保持不变
M_list=[]
for t in range(7):
    M=np.random.rand(5,5)
    M.ravel()[np.random.choice(M.size, 2, replace=False)] = np.nan
    M_list.append(M)

# 一行代码完成筛选
M_list = [m for m in M_list if not np.isnan(m).any()]

这个方案比你之前用求和判断的逻辑更严谨：求和如果遇到inf和-inf相加的特殊场景可能得到非nan的错误结果，直接判断矩阵中是否存在nan才是最稳妥的逻辑。

方法2：向量化批量处理（效率更高，适合所有矩阵形状相同的大数据量场景） #

如果你的M_list里所有矩阵形状一致，可以转成三维numpy数组用向量化操作处理，完全没有Python层面的循环，效率优势会随着矩阵数量增加越来越明显：

# 把列表转成 shape为(矩阵数量, 行, 列)的三维数组
M_arr = np.array(M_list)
# 筛选所有不含nan的矩阵，再转回列表
M_list = list(M_arr[~np.isnan(M_arr).any(axis=(1,2))])

内容的提问来源于stack exchange，提问作者fishbacp