我有ndarray：

[[1 1]
 [0 2]
 [0 3]
 [1 4]
 [1 5]
 [0 6]
 [1 7]]

我希望得到这样的简化结果：

[[1 1]
  [0 2]
  [1 4]
  [0 6]
  [1 7]]

结果ndarray应该包含每个组的第一行。我在列0的值上构建了一个组。这是值0或1。
线程中解决了类似问题：Is there any numpy group by function?但有键排序，在我的情况下，它不工作.

l1 = [1,0,0,1,1,0,1]
l2 = [1,2,3,4,5,6,7]
a = np.array([l1, l2]).T
print(a)
values, indexes = np.unique(a[:, 0], return_index=True)

在Pandas，我们可以实现这一点（解决方案从堆栈，但我不记得所有者，抱歉没有链接）：

m1 = ( df['c0'] != df['c0'].shift(1)).cumsum()
df = df.groupby([df['c0'], m1]).head(1)

怎么和麻木做呢？
谢谢你的解决方案。
编辑日期：
在mozway写solution的时候，我创建了这样的东西：

import numpy as np

l1 = [1,0,0,1,1,0,1]
l2 = [1,2,3,4,5,6,7]
a = np.array([l1, l2]).T

print("solution")
"shift for numpy"
arr3 = np.array([np.NaN])
arr4 = np.array(a[ :-1, 0])
arr5 = np.concatenate([arr3, arr4])
print('arr5')
print(arr5)
"add shifted column"
a = np.c_[ a, arr5 ]

"diff between column 0 and shofted colum"
dif_col = np.where(a[:, 0] != a[:, 2], True, False)
"add diff column"
a = np.c_[ a, dif_col ]
"select only true"
mask = (a[:, 3] == True)
a = a[mask, :]
"remove unnecessary redundant columns "
a = np.delete(a, 2, 1)
a = np.delete(a, 2, 1)
print(a)

输出：

[[1. 1.]
 [0. 2.]
 [1. 4.]
 [0. 6.]
 [1. 7.]]

你觉得呢？