你可以使用argwhere一次性得到这些索引：

indices = np.argwhere(A==False)[:,0]  # extract only row indexes from output

print(indices)
# [0 1 3 4]

使用带有解包的np.where也可以工作：

indices,_ = np.where(A==False)

print(indices)
# [0 1 3 4]

您也可以使用np.where：

A=np.array([[False],
            [False],
            [ True],
            [False],
            [False]])
print(np.where(np.squeeze(A)==False))

注意：np.squeeze只删除了数组的最后一个维度。输出是预期的array([0, 1, 3, 4]。

.nonzero()将为您提供这些索引。

>>> A
array([[False],
       [False],
       [ True],
       [False],
       [False]])
>>> ~A
array([[ True],
       [ True],
       [False],
       [ True],
       [ True]])
>>>
>>> (~A).nonzero()[0]
array([0, 1, 3, 4])
>>>
>>>
>>> np.flatnonzero(~A)
array([0, 1, 3, 4])

您可以使用np.arange构建索引数组，然后使用布尔数组对索引进行切片，而不是对数组进行迭代。

np.arange(len(A))[~A.ravel()]
# returns:
array([0, 1, 3, 4])

如果希望它具有与A相同的维数，则可以使用np.argwhere

np.argwhere(~A.ravel())
# returns:
array([[0],
       [1],
       [3],
       [4]], dtype=int64)

您正在将带有布尔值（即True/False）的列表与带有字符串值（即'False'）的列表进行比较，因此您将得到错误。
按如下所示更改if条件（即，False不带引号）：
如果（A[i] == [假]）

你也可以使用列表解析。
enumerate被认为比range(len(A))更像Python

[i for i,j in enumerate(A) if A[i]==[False]] 

#[0, 1, 3, 4]

"你的代码有什么问题"
在循环的每次迭代中，你的数组都是bool类型的，而你正试图与list(str)进行比较。为了使Numpy进行比较，它必须强制类型转换。但是Numpy只有在能够安全地强制数据类型转换的情况下才会执行比较（参见this answer）。尽管Python 3可以将bool('anything')转换为True，但Numpy并不认为这是安全的。为什么呢？我不知道，但看看这有多有趣：

>>> bool('False') == True
True

• • 如何使用两个不同的dtype数组进行元素比较？选择一个类型进行强制转换**

请注意，如果您执行以下操作，则会收到相同的警告：np.array(['False']) == False.
对于元素级比较，可以使用np.equal(array1, array2, dtype=your_type)：

>>> compare = np.array(len(A)*(('False',),))
>>> compare
array([['False'],
       ['False'],
       ['False'],
       ['False'],
       ['False']], dtype='<U5')
>>> np.equal(A, compare, dtype=bool)
UFuncTypeError: Cannot cast ufunc 'equal' input 1 from dtype('<U5') to dtype('bool') with casting rule 'same_kind'

如果是这样的话，它会抛出一个您可以处理的错误。
由于类型不能强制转换，因此无法执行比较。可以使用np.can_cast检查：

>>> np.can_cast('<U5', bool)
False

• • 如何修复代码？**

已经有很多很棒的答案了，你可以随便选一个，你可能会觉得没问题，但如果你想保持类似的语法，这里是我的贡献：

for idx, element in enumerate(A):
    if not element:
        print(idx)

在这里，enumerate将A的每个元素与一个计数索引连接起来，并且每次element为False时，not element都将返回True。
但在最佳性能的情况下，总是喜欢使用Numpy的函数：

>>> compare = np.array(len(A)*((False,),))
>>> np.where(np.equal(A, compare))[0]
array([0, 1, 3, 4])