为什么不使用切片
arr[1：] == arr[：-1]
结果将是稍微短一些的数组，但不需要处理边界情况。

这似乎是你想要的：

shift_by = 1
arr = np.array([False, False, False, True, True, True]).tolist() ## array -> list
shift_arr = [np.nan]*shift_by + arr[:-shift_by]
np.equal(arr,shift_arr)

对于纯粹的numpy：

shift_by = 1
arr = np.array([False, False, False, True, True, True])
np.concatenate([np.array([False]*shift_by),np.equal(arr[shift_by:],arr[:-shift_by])])

一个简单的一维数组移位函数，类似于Pandas：

def arr_shift(arr: np.ndarray, shift: int) -> np.ndarray:
    if shift == 0:
        return arr
    nas = np.empty(abs(shift))
    nas[:] = np.nan
    if shift > 0:
        res = arr[:-shift]
        return np.concatenate((nas,res))
    res = arr[-shift:]
    return np.concatenate((res,nas))

这是为了处理数值数组，因为移位后的值被np.NAN替换。选择另一个“null”值是很简单的，只需用任何你想要的值填充nas数组。