一种可能的方法是使用np.isin函数，该函数返回一个布尔数组，指示一个数组中的每个元素是否包含在另一个数组中。例如，np.isin(array1, array2)将返回一个形状为(n，3，2)的布尔数组，其中array1的元素与array2的元素匹配。
然后，可以沿着最后一个轴使用np.all函数来检查array1的子数组的所有元素是否都在array2中。例如，np.all(np.isin(array1, array2), axis=-1)将返回具有True值的形状(n，3)的布尔数组，其中形状(2，)的子数组的所有元素都在array2中。
最后，您可以沿着第二个轴使用np.any函数来检查array1的任何子数组是否完全位于array2中。例如，np.any(np.all(np.isin(array1, array2), axis=-1), axis=1)将返回具有True值的形状(n，)的布尔数组，其中形状(3，2)的任何子数组都在array2中。
要从array1中删除array2中的元素，可以使用np.logic_not函数来反转布尔数组，并将其用作索引array1的掩码。例如，array1[np.logical_not(np.any(np.all(np.isin(array1, array2), axis=-1), axis=1))]将返回一个新数组，其中array1的元素不在array2中。

说明

此解决方案背后的逻辑是在不同的粒度级别比较array1和array2的元素，并使用布尔运算合并结果。

np.isin函数将array1的每个元素与整个array2进行比较，如果匹配则返回True。这是最基本的比较级别，它不考虑元素的顺序或结构。

沿最后一个轴的np.all函数将array1的形状(2，)的每个子数组与整个array2进行比较，如果子数组的所有元素都在array2中，则返回True。这是一种更精细的比较级别，它考虑了子数组中元素的顺序，但不考虑子数组的结构。
沿第二个轴的np.any函数将array1的形状(3，2)的每个子数组与整个array2进行比较，如果有任何子数组完全位于array2中，则返回True。这是最具体的比较级别，它考虑了子数组的顺序和结构。

np.logic_not函数用于反转布尔数组，因此True值变为False，反之亦然。这对于选择array1中不在array2中的元素非常有用，因为我们希望删除array2中的元素。

布尔数组可用作掩码来索引array1，并返回包含所选元素的新数组。这是解决方案的最后一步，它删除array1中array2中的元素。

示例

以下是实现解决方案并打印结果的一个python代码块：

import numpy as np

array1 = np.array([[[ 5.1,  5. ],
                    [ 6.2,  4.4],
                    [ 4. ,  6.3]],

                   [[ 4.22,  4.5],
                    [ 4.44,  5.3],
                    [ 4. ,  6.43]],

                   [[ 4.4,  5.3],
                    [ 5.1,  5. ],
                    [ 4. ,  6.3]]])

array2 = np.array([[ 4.22,  4.5],
                   [ 4.44,  5.3],
                   [ 4.5,  4.8],
                   [ 4. ,  6.43]])

mask = np.logical_not(np.any(np.all(np.isin(array1, array2), axis=-1), axis=1))
array1_after_deletion = array1[mask]
print(array1_after_deletion)

输出为：

[[[5.1 5. ]
  [6.2 4.4]
  [4.  6.3]]

 [[4.4 5.3]
  [5.1 5. ]
  [4.  6.3]]]