如何便捷地将NumPy数组中的所有1替换为0、-1替换为1

嘿，这个需求我经常碰到，完全不用手动遍历数组那么麻烦！NumPy提供了好几种简洁高效的向量化方法，比循环快太多了，我给你分享几个最实用的：

方法1：利用数学运算（最快最简洁） #

因为你的数组只有-1和1两个值，我们可以直接通过简单的数学转换完成替换，这是NumPy里效率最高的方式：

import numpy as np
a = np.array([[-1,1,-1],[-1,1,1]])
a = (1 - a) // 2
print(a)
# 输出：[[1 0 1]
#        [1 0 0]]

原理很简单：当元素是-1时，1 - (-1) = 2，除以2得到1；当元素是1时，1 - 1 = 0，除以2得到0，完美匹配你的替换需求。

方法2：用np.where（最直观，可读性强） #

np.where可以根据条件批量替换值，语法非常清晰，一看就懂：

import numpy as np
a = np.array([[-1,1,-1],[-1,1,1]])
a = np.where(a == 1, 0, 1)
print(a)
# 输出和上面一致

这句话的逻辑就是：如果元素等于1，就替换成0，否则替换成1，完全贴合你的需求描述，可读性拉满。

方法3：布尔索引赋值（分步操作，灵活） #

NumPy支持布尔索引定位元素，适合需要分步骤处理的场景：

import numpy as np
a = np.array([[-1,1,-1],[-1,1,1]])
# 先把所有1替换成0
a[a == 1] = 0
# 再把所有-1替换成1
a[a == -1] = 1
print(a)

这种方式可以灵活调整步骤顺序，比如中间需要插入其他处理逻辑时，用起来会很方便。

不推荐的方法：np.vectorize #

虽然可以用字典映射配合np.vectorize实现，但它本质上还是内部循环，性能远不如前面的向量化方法，除非数组极小，否则不建议用：

import numpy as np
a = np.array([[-1,1,-1],[-1,1,1]])
mapping = {1: 0, -1: 1}
a = np.vectorize(lambda x: mapping[x])(a)

总结一下，优先选数学运算或者np.where，既高效又简洁，完全满足你的需求！

内容的提问来源于stack exchange，提问作者Katja