如何在NumPy中无需扩展向量，按条件替换矩阵值为对应行向量值

现有二维矩阵a和一维向量b（b的长度等于a的行数），需求是将a中满足a < 3的元素替换为b对应行的值。直接执行a[a<3] = b会触发维度不匹配错误：

TypeError: NumPy boolean array indexing assignment requires a 0 or 1-dimensional input, input has 2 dimensions

以下是两种无需扩展向量的优雅实现方式：

方法1：使用np.where（推荐，简洁直观） #

利用NumPy的广播机制，将b转换为列向量后与a进行匹配：

import numpy as np

# 示例数据
a = np.array([[1, 4, 2], [5, 2, 6], [3, 1, 7]])
b = np.array([10, 20, 30])

# 执行替换
a = np.where(a < 3, b[:, np.newaxis], a)

b[:, np.newaxis]将一维向量b转为形状为(n,1)的列向量，通过广播自动匹配a的列维度，np.where会将所有满足a<3的位置替换为对应行的b值。

方法2：通过行索引直接赋值 #

先提取满足条件元素的行下标，再生成对应长度的b值数组进行赋值：

import numpy as np

# 示例数据
a = np.array([[1, 4, 2], [5, 2, 6], [3, 1, 7]])
b = np.array([10, 20, 30])

mask = a < 3
# 获取所有满足条件元素的行索引
row_indices = np.where(mask)[0]
# 直接赋值，b[row_indices]与a[mask]维度完全匹配
a[mask] = b[row_indices]

np.where(mask)[0]返回所有满足条件元素的行下标，b[row_indices]会生成与a[mask]长度一致的一维数组，直接完成赋值操作，全程无需扩展向量。

这两种方法都避免了提前生成与a同形状的矩阵，节省内存的同时代码更简洁。

内容的提问来源于stack exchange，提问作者matsuo_basho