如何删除numpy数组含0.0的行并同步删除对应矩阵行（索引连续）

没问题，这是NumPy里很典型的行筛选场景，我直接给你可运行的代码和解释：

首先假设你的一维数组名为target_arr（形状(123000, 1)），特征矩阵名为feat_matrix（形状(123000, 600)，也就是50*12）。

步骤1：生成布尔掩码 #

我们需要先找出所有不需要删除的行（也就是target_arr中值不为0.0的行），生成一个布尔数组作为筛选依据：

import numpy as np

# 把(123000,1)的数组转成一维布尔数组，方便索引
mask = (target_arr != 0.0).squeeze()

这里的squeeze()是把二维数组压缩成一维，因为target_arr != 0.0会返回一个(123000,1)的布尔数组，压缩后变成(123000,)的一维数组，刚好和矩阵的行数匹配。

步骤2：同步筛选两个数组 #

用刚才生成的掩码直接索引两个数组，就能自动删除target_arr中值为0.0的行，同时同步删除矩阵对应的行，而且新数组的索引会自动保持连续：

# 筛选后的数组和矩阵
filtered_target = target_arr[mask]
filtered_matrix = feat_matrix[mask]

验证结果 #

你可以检查一下新的形状，确认删除后的行数一致：

print(f"筛选后数组形状: {filtered_target.shape}")
print(f"筛选后矩阵形状: {filtered_matrix.shape}")

两者的第一维长度应该完全相同，而且filtered_target中不会再有值为0.0的行。

额外提示 #

如果你的数据是浮点型，担心因为精度问题导致“看起来是0但实际是极小值”的情况，可以把判断条件改成：

mask = ~np.isclose(target_arr.squeeze(), 0.0)

这样能更鲁棒地处理浮点精度误差。

内容的提问来源于stack exchange，提问作者Francois