给出：

>>> a
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])

您可以：

>>> a[:,0:2]
array([[1, 2],
       [4, 5],
       [7, 8]])

或者：

>>> np.delete(a,2,1)
array([[1, 2],
       [4, 5],
       [7, 8]])

然后在任何一种情况下，将其赋值回a，因为结果是一个新数组。
所以：

>>> a=a[:,0:2]
>>> a
array([[1, 2],
       [4, 5],
       [7, 8]])

如果您只想删除第一行中的3，则问题不同。只有当你有一个python列表数组时才能这样做，因为子列表的长度不一样。
示例：

>>> a = np.array([[1,2],[4,5,6],[7,8,9]])
>>> a
array([list([1, 2]), list([4, 5, 6]), list([7, 8, 9])], dtype=object)

如果你这样做，就坚持使用Python。你将失去Numpy的所有速度和其他优势。
如果你所说的“universal”是指N x M数组每一行的最后一个元素，那么只需使用.shape来计算维度：

>>> a
array([[ 1,  2,  3,  4],
       [ 5,  6,  7,  8],
       [ 9, 10, 11, 12]])
>>> a.shape
(3, 4)
>>> np.delete(a,a.shape[1]-1,1)
array([[ 1,  2,  3],
       [ 5,  6,  7],
       [ 9, 10, 11]])

或者

>>> a[:,0:a.shape[1]-1]
array([[ 1,  2,  3],
       [ 5,  6,  7],
       [ 9, 10, 11]])

>>> a = np.array([[1,2,3],[4,5,6],[7,8,9]])
>>> a
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])
>>> type(a)
<class 'numpy.ndarray'>
>>> a.shape
(3, 3)

变量a是矩阵（2D数组）。它有一定数量的行和列。在一个矩阵中，所有行的长度必须相同。因此，在上述示例中，如果第一行的长度为2而其它行的长度为3，则不能形成矩阵。因此，仅删除第一（或任何其他子集）子数组的最后一个元素是不可能的。
相反，你必须同时删除所有子数组的最后一个元素。
这可以作为

>>> a[:,0:2]
array([[1, 2],
       [4, 5],
       [7, 8]])

或者

>>> np.delete(a,2,1)
array([[1, 2],
       [4, 5],
       [7, 8]])

这也适用于其他职位的要素。可以对子阵列的任何元素进行删除，记住所有子阵列应该具有相同的长度。
但是，您可以操纵任何子数组的最后一个元素（或任何其他元素），除非形状保持不变。

>>> a[0][-1] = 19
>>> a
array([[ 1,  2, 19],
       [ 4,  5,  6],
       [ 7,  8,  9]])

如果你试图用不等长的行组成一个矩阵，则会形成一个一维列表数组，在该数组上没有Numpy操作，如向量处理，切片等。工作（列表操作工作）

>>> b = np.array([[1,2,3],[1,2,3]])
>>> c = np.array([[1,2],[1,2,3]])

>>> b
array([[1, 2, 3],
       [1, 2, 3]])
>>> b.shape
(2, 3)

>>> c
array([list([1, 2]), list([1, 2, 3])], dtype=object)
>>> c.shape
(2,)

>>> print(type(b),type(c))
<class 'numpy.ndarray'> <class 'numpy.ndarray'>

两者都是ndarray，但是你可以看到c的第二个变量是一个一维列表数组。

>>> b+b
array([[2, 4, 6],
       [2, 4, 6]])
>>> c+c
array([list([1, 2, 1, 2]), list([1, 2, 3, 1, 2, 3])], dtype=object)

类似地，b+b操作执行b与b的元素加法，但c+c执行两个列表之间的连接操作。

进一步参考

How to make a multidimension numpy array with a varying row size?

具体操作如下：

import numpy as np

a = np.array([[1,2,3],[4,5,6],[7,8,9]])
a = a[:-1]

print(a)

输出：

[[1 2 3]
 [4 5 6]]

在列表理解的帮助下，这个问题很容易解决：[a[0:-1] for a in array]
例如，有输入数据：
输入：

array = [[1,2,3,4],[5,6,7],[8,9]]

print([a[0:-1] for a in array])

输出：

[[1,2,3],[5,6],[8]]

循环迭代发生：

for a in array

在每次迭代中，a[0:-1]被执行，结果被添加到一个新的数组中。