In [170]: a = np.array([0.2, 5.6, 88, 12, 1.3, 6, 8.9])
In [171]: idx=[1,2,5]
In [172]: a[idx]
Out[172]: array([ 5.6, 88. , 6. ])
In [173]: np.delete(a,idx)
Out[173]: array([ 0.2, 12. , 1.3, 8.9])
delete比实际需要更广泛，根据输入使用不同的策略。我认为在这种情况下，它使用布尔掩码方法（时序应相似）。
In [175]: mask=np.ones_like(a, bool)In [176]: maskOut[176]: array([ True, True, True, True, True, True, True], dtype=bool)In [177]: mask[idx]=FalseIn [178]: maskOut[178]: array([ True, False, False, True, True, False, True], dtype=bool)In [179]: a[mask]Out[179]: array([ 0.2, 12. , 1.3, 8.9])
