二维NumPy数组逐行按指定索引删除元素的实现方案

你之前两种写法失效的核心，是对np.delete的索引规则存在误解：

• 直接调用np.delete(arr, idxs, axis=1)：指定axis=1时，函数会把idxs中的数值直接作为列索引集合，批量删除所有列号在集合内的整列，不会逐行匹配独立位置，最终会把arr的3列全部移除，完全偏离需求。
• 传入二维坐标列表[np.arange(len(idxs)), idxs]：np.delete的索引参数仅支持接收「待删除轴上的位置序列」，不兼容逐元素坐标的花式索引形式，传入二维坐标时函数会自动把坐标值拉平作为轴位置处理，无法实现逐行定位删除。

这类逐行删除指定位置单个元素的需求，最适配的是NumPy布尔掩码方案，全程无Python层循环，是大数组场景下性能最高的实现：

import numpy as np
arr = np.arange(10 * 3).reshape((10, 3))
idxs = np.array([0, 1, 1, 1, 2, 0, 2, 2, 1, 0])

# 构造与arr同形状的全选中掩码
mask = np.ones(arr.shape, dtype=bool)
# 逐行将待删除的位置标记为不选中
mask[np.arange(len(idxs)), idxs] = False
# 掩码取值后每行恰好剩余2个元素，重塑为(10,2)的目标形状
result = arr[mask].reshape(arr.shape[0], arr.shape[1] - 1)

结果校验 #

输出的result完全匹配逐行删除规则：

• 第0行原数据[0,1,2]，删除索引0的元素，剩余[1,2]
• 第1行原数据[3,4,5]，删除索引1的元素，剩余[3,5]
• 第4行原数据[12,13,14]，删除索引2的元素，剩余[12,13]

若必须使用np.delete完成逻辑，仅能通过逐行遍历实现，性能远低于上述掩码方案，参考写法：

slow_result = np.array([np.delete(row, col_idx) for row, col_idx in zip(arr, idxs)])

内容的提问来源于stack exchange，提问作者Pickniclas