NumPy高级索引：如何通过布尔数组运算得到目标数组？

首先导入NumPy库并定义给定数组：

import numpy as np

a = np.array([False, True, True, False, True])
b = np.array([False, True, False])

核心思路是定位a中为True的元素位置，将这些位置的元素与b逐一进行布尔与运算，用简洁代码实现如下：

c = a.copy()
c[a] &= b

代码解释 #

• c = a.copy()：先复制原数组a，避免修改原始数据
• c[a]会自动筛选出c中所有对应a为True的元素（此处数量恰好与b的长度匹配），&= b将这些元素依次与b中的元素执行布尔与运算，最终得到的c就是目标数组。

运行后验证结果：

print(c)
# 输出：array([False, False, True, False, False])

如果需要更直观的分步写法，也可以拆分为：

# 提取a中True的位置
true_positions = a == True
# 初始化与a形状相同的空数组
c = np.zeros_like(a)
# 将b的元素赋值到True位置，再与原a做与运算确保False位置保持False
c[true_positions] = b
c = c & a

该写法与前者效果完全一致，更便于理解逻辑。

内容的提问来源于stack exchange，提问作者Sengiley