通过numpy数组循环和过滤，以取消后续的相关“事件”

Question

我有一个类似下面示例的numpy数组。

• 不同的列代表不同的事件。
• 1和0代表每个事件是否发生。明确地说，列A中的1表示事件A发生。
• 从左向右移动的列显示了时间的变化，因此，首先出现A，然后出现B，然后出现C，依此类推。
• 有20列和大约1M行。

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

但是，这些事件是相关的。假设事件A和C相关。如果没有发生A，则C不会发生。因此，据我了解，我正在尝试做的事情：

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

要清楚，在某些情况下会有多个相关事件。例如，A，C，F和J可能是相关的。另外，numpy数组中的列也没有命名-为了便于说明，我添加了A，B，C和＆c标题。

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浏览相关事件，并使用它来更新numpy数组？