NumPy负索引提取优化：将负索引对应结果替换为NaN的实现

完全可行，我们可以通过标记负索引位置再替换为NaN的方式实现需求，具体步骤如下：

1. 定义原始数组与索引 #

import numpy as np

# 原始数组A
A = np.array([
    [0., 482., 1900., 961., 579., 56.],
    [0., 530., 1906., 914., 584., 44.],
    [43., 0., 1932., 948., 556., 51.],
    [0., 482., 1917., 946., 581., 52.],
    [0., 520., 1935., 878., 589., 55.]
])

# 索引数组C和R
C = np.array([-1, -1, -1, 1, 2], dtype=np.int64)
R = np.array([[-2, -5], [-1, -5], [0, -4], [1, -3], [2, -2], [3, -1]], dtype=np.int64)

2. 生成负索引掩码 #

由于R.T（形状(2,6)）和C（形状(5,)）维度不同，需要先扩展维度实现广播，再标记所有R索引为负 或 C索引为负的位置：

# 扩展维度，让两个索引数组可以逐元素比较
r_reshaped = R.T[:, :, np.newaxis]  # 形状变为(2,6,1)
c_reshaped = C[np.newaxis, np.newaxis, :]  # 形状变为(1,1,5)

# 创建掩码：满足条件的位置为True
mask = (r_reshaped < 0) | (c_reshaped < 0)

3. 提取元素并替换负索引结果为NaN #

先正常执行索引提取，再将掩码标记的位置替换为NaN：

# 正常提取所有元素
result = A[R.T, C]
# 将负索引对应的位置替换为NaN
result[mask] = np.nan

或者用np.where一步完成：

result = np.where(mask, np.nan, A[R.T, C])

原理说明 #

NumPy原生支持负索引（从数组末尾反向计数），无法直接禁用。我们的思路是：

• 先获取所有索引对应的提取结果
• 通过掩码定位所有包含负索引的位置
• 将这些位置的结果替换为NaN，满足需求

内容的提问来源于stack exchange，提问作者user13744439