如何仅用Numpy索引实现矩阵偶数环置零（无循环/条件语句）

我们可以通过生成每个元素的环层级标记矩阵，直接筛选出需要置零的位置，完全不需要循环处理单个环，完美符合题目对无循环、无分支语句的要求。

核心思路 #

对于n×n的方阵，每个位置(i,j)所属的环层级l定义为：l = min(i, j, n-1-i, n-1-j)。偶数环即满足l % 2 == 0的环，我们需要把这些环的边界元素置零。

实现代码 #

import numpy as np

def zero_even_rings(m):
    n = m.shape[0]
    # 生成每个位置的环层级矩阵
    i = np.arange(n)[:, None]
    j = np.arange(n)
    l = np.minimum(np.minimum(i, j), np.minimum(n-1-i, n-1-j))
    # 标记所有环的边界元素：元素位置等于当前层级的上下左右边界
    is_boundary = (i == l) | (j == l) | (i == n-1-l) | (j == n-1-l)
    # 筛选出偶数环的边界元素并置零
    m[is_boundary & (l % 2 == 0)] = 0
    return m

验证示例 #

测试5×5矩阵：

test_matrix = np.array([
    [1,2,3,4,5],
    [6,7,8,9,10],
    [11,12,13,14,15],
    [16,17,18,19,20],
    [21,22,23,24,25]
])

print(zero_even_rings(test_matrix))

输出：

[[ 0  0  0  0  0]
 [ 0  7  8  9  0]
 [ 0 12 13 14  0]
 [ 0 17 18 19  0]
 [ 0  0  0  0  0]]

这里最外层（l=0，偶数环）被完全置零。如果是7×7矩阵，l=0和l=2的环都会被置零，完全符合需求。

对原有代码的补充说明 #

你之前实现的单个环处理函数逻辑没问题，但通过向量化的层级标记+条件筛选，我们可以一次性完成所有偶数环的置零操作，彻底规避循环，更符合Numpy的向量化编程思想。

内容的提问来源于stack exchange，提问作者Vladouch