使用pandas nunique（不快！）：

out = a[pd.DataFrame(a).nunique(axis=1).eq(a.shape[1])]

字符串
或者使用numpy的sort和diff来确保一行中的所有值都不同（如果列数合理，则非常有效）：

out = a[(np.diff(np.sort(a, axis=1))!=0).all(axis=1)]

型
或者使用广播（如果有很多列，内存会很昂贵）：

out = a[(a[:,:,None] == a[:,None]).sum(axis=(1,2))==a.shape[1]]

型
输出：array([[1, 2, 3]])
方法比较：
x1c 0d1x的数据

在没有Pandas的情况下，这样做的一种方式如下：

a = np.array([[1,2,3], [1,2,2], [2,2,2]])

mask = np.array([len(set(row)) == len(row) for row in a])
result = a[mask]

字符串
其输出：

print(result)

[[1 2 3]]

型

要从numpy数组中排除重复行，请执行以下操作：

# let's assume this is your sample array

import numpy as np

# Input array
arr = np.array([[1, 2, 3], [1, 2, 2], [2, 2, 2]])
# find unique rows from the above numpy array

unique_rows = np.array([row for row in arr if len(set(row)) == len(row)])

字符串
输出量：

[[1 2 3]]

型