如何实现两个numpy数组同步随机删除列以保证维度匹配

保证两个数组删除后维度匹配的核心逻辑是统一生成一次随机索引，两个数组共用这组索引做筛选/删除操作，具体步骤如下：

• 先校验二维数组的第二维度长度是否大于1000，仅大于时执行删减操作
• 随机生成固定的索引列表：可以是需要保留的1000个列的索引，也可以是需要删除的x-1000个列的索引
• 用同一组索引分别处理二维数组和一维数组，即可保证维度一一对应

方式1：直接筛选保留列（更推荐，运行效率更高） #

import numpy as np

# 此处arr_2d为你的shape为(200, x)的二维数组，arr_1d为你的shape为(x,)的一维数组
x = arr_2d.shape[1]
if x > 1000:
    # 无放回随机抽取1000个不重复的列索引作为保留项
    keep_index = np.random.choice(x, size=1000, replace=False)
    # 共用索引筛选两个数组
    arr_2d_res = arr_2d[:, keep_index]
    arr_1d_res = arr_1d[keep_index]

方式2：使用np.delete实现（符合你提到的操作习惯） #

import numpy as np

x = arr_2d.shape[1]
if x > 1000:
    # 无放回随机抽取x-1000个不重复的列索引作为删除项
    delete_index = np.random.choice(x, size=x-1000, replace=False)
    # 共用索引删除两个数组的对应位置元素
    arr_2d_res = np.delete(arr_2d, delete_index, axis=1)
    arr_1d_res = np.delete(arr_1d, delete_index, axis=0)

• 必须设置replace=False保证生成的索引无重复，避免出现列重复选择/重复删除的问题
• 两种实现的最终效果完全一致，直接索引筛选的方式不需要对原数组做拷贝修改，性能更优

内容的提问来源于stack exchange，提问作者John