循环并过滤numpy数组，以取消后续相关的“事件”

Question

我有一个numpy数组，看起来像下面的示例

• 不同的列表示不同的事件
• 1和0表示每个事件是否发生。明确地说，a列中的1表示事件a发生
• 从左向右移动的列显示了时间的进程，因此A首先出现，然后是B，然后是C，以此类推
• 共有20列，约1M行

A  B  C  D  ...
1  1  1  1
1  1  1  0
1  1  0  0
1  0  0  0
...

然而，这些事件是相关的。假设事件A和C是相关的。如果A没有出现，那么C就不能。因此，据我所知，我试图做的是：

• 对于每列：
• 选择A=0和C=1的行
• 将此行子集中C中的元素设置为0

需要明确的是，在某些情况下，存在多个相关事件。例如，A、C、F和J可能是相关的。另外，numpy数组中的列没有命名——我包括A、B、C和&；c标题以便于解释

我一直通过以下方式手动执行此操作：

df[(df[:,0] == 0) & (df[:,2] == 1), 2]

如何存储事件以循环相关事件，并使用它更新numpy数组