从数组中删除一行 根据评论和@wwii注释中的OP问题进行编辑：

如何解决从数组中删除一行 根据评论和@wwii注释中的OP问题进行编辑：

我正在处理一个名为useEffect的数组，该数组将分别由4列分别称为（x），（y），（z）的列创建，第四列在程序中使用。

我希望如果两行的x 和 y值重合，则根据它们的c，将从主数组中删除其中之一（“ 0” z值将删除“ 1” ”，则“ 1” z值将删除“ 2”，而“ 2” z值将删除“ 0”）。

原始数组如下：

numbers

问题是，当我尝试运行以下程序时，最后没有得到所需的数组。预期的输出数组如下所示：

[[12 15  2  0]
 [65 23  0  0]
 [24 66  2  0]
 [65 23  1  0]
 [24 66  0  0]]

我从下面的程序中摘录了

[[12 15  2  0]
 [65 23  0  0]
 [24 66  2  0]]

解决方法

如果可以使用熊猫，则可以执行以下操作：

x = np.array([[12,15,2,0],[65,23,1],[24,66,1,0]])
df = pd.DataFrame(x)
new_df = df.iloc[df.loc[:,(0,1)].drop_duplicates().index]
print(new_df)

    0   1  2  3
0  12  15  2  0
1  65  23  0  1
2  24  66  2  0

它的作用如下：

1. 将数组转换为熊猫数据帧
2. df.loc[:,1)].drop_duplicates().index将返回您希望保留的行的索引（基于第一和第二列）
3. df.iloc将返回切片的数据帧。

根据评论和@wwii注释中的OP问题进行编辑：

1. 您可以使用.to_numpy()返回numpy数组，所以只需执行arr = new_df.to_numpy()

2. 您可以尝试以下操作：

   xx = np.array([[12,0]])
   df = pd.DataFrame(xx)
   df_new = df.groupby([0,group_keys=False).apply(lambda x: x.loc[x[2].idxmin()])
   df_new.reset_index(drop=True,inplace=True)
   
       0   1  2  3
   0  12  15  2  0
   1  24  66  0  0
   2  65  23  0  0
   

在考虑一种特殊的启发式方法时，可以执行以下操作：

import pandas as pd
import numpy as np

def f_(x):
    vals = x[2].tolist()
    if len(vals)==2:
        # print(vals)
        if vals[0] == 0 and vals[1] == 1:
            return vals[0]
        elif vals[0] == 1 and vals[1] == 0:
            return vals[1]
        elif vals[0] == 1 and vals[1] == 2:
            return vals[0]
        elif vals[0] == 2 and vals[1] == 0:
            return vals[0]
    elif len(vals) > 2:
        return -1
    else:
        return x[2]

xx = np.array([[12,group_keys=False).apply(lambda x: x.loc[x[2] == f_(x)])
df_new.reset_index(drop=True,inplace=True)
print(df_new)

    0   1  2  3
0  12  15  2  0
1  24  66  2  0
2  65  23  0  0

,

测试数组

a = lifeforms = np.array([[12,[13,13,[14,14,2],[15,3,0]])

实现颜色选择的功能。

test_one = np.array([[0,[1,[2,1]])
test_two = np.array([[0,0]])

def f(g):
    a = g.loc[:,2].unique()
    if np.any(np.all(a == test_one,axis=1)):
        idx = (g[2] == g[2].min()).idxmax()
    elif np.any(np.all(a == test_two,axis=1)):
        idx = (g[2] == g[2].max()).idxmax()
    else:
        raise ValueError('group colors outside bounds')
    return idx

Groupby前两列；遍历团体；保存所需行的索引；使用这些索引从DataFrame中选择行。

df = pd.DataFrame(a)
gb = df.groupby([0,1])

indices = []
for k,g in gb:
    if g.loc[:,2].unique().shape[0] > 2:
        #print(f'(0,2) - dropping indices {g.index}')
        continue
    if g.shape[0] == 1:
        indices.extend(g.index.to_list())
        #print(f'unique - keeping index {g.index.values}')
        continue
    #print(g.loc[:,2])
    try:
        idx = f(g)
    except ValueError as e:
        print(sep)
        print(e)
        print(g)
        print(sep)
        continue 
    #print(f'keeping index {idx}')
    indices.append(idx)
    #print(sep)

print(df.loc[indices,:])