如何在NumPy二维数组中赋值替换？赋值失败问题解决

你创建NumPy字符串数组时使用了dtype=str，在NumPy中这等价于dtype='U1'，即只能存储长度为1的Unicode字符串。当你赋值"Very Low"这类长字符串时，会被自动截断，最终数组看起来像是空的（实际可能只保留了第一个字符，但显示时不易察觉）。

方法1：指定足够长度的字符串类型 #

修改数组创建代码，明确指定能容纳最长标签的字符串长度（比如"Very Extreme"是12个字符，设为U20预留足够空间）：

def create_discrete_values(self, threshold: list[int]):
    # 改为指定长度的字符串类型，U20表示支持最多20个Unicode字符
    self.map_index_discreet = np.empty(shape=(81, 41), dtype='U20')

    for i in range(81):
        for j in range(41):
            val = self.map_index[i][j]
            if val <= threshold[0]:
                discreet_value = "Very Low"
            elif val <= threshold[1]:
                discreet_value = "Low"
            elif val <= threshold[2]:
                discreet_value = "Moderate"
            elif val <= threshold[3]:
                discreet_value = "High"
            elif val <= threshold[4]:
                discreet_value = "Very High"
            elif val <= threshold[5]:
                discreet_value = "Extreme"
            else:
                discreet_value = "Very Extreme"

            self.map_index_discreet[i][j] = discreet_value

方法2：使用object类型存储字符串 #

如果不想纠结字符串长度，可以直接用object dtype，它允许存储任意Python对象（包括任意长度的字符串）：

def create_discrete_values(self, threshold: list[int]):
    # 使用object类型
    self.map_index_discreet = np.empty(shape=(81, 41), dtype=object)

    # 后续循环赋值逻辑不变
    for i in range(81):
        for j in range(41):
            val = self.map_index[i][j]
            if val <= threshold[0]:
                discreet_value = "Very Low"
            elif val <= threshold[1]:
                discreet_value = "Low"
            elif val <= threshold[2]:
                discreet_value = "Moderate"
            elif val <= threshold[3]:
                discreet_value = "High"
            elif val <= threshold[4]:
                discreet_value = "Very High"
            elif val <= threshold[5]:
                discreet_value = "Extreme"
            else:
                discreet_value = "Very Extreme"

            self.map_index_discreet[i][j] = discreet_value

方法3：用NumPy向量化操作替代循环（更高效） #

双重循环在处理大数组时效率较低，推荐用np.digitize实现向量化映射：

def create_discrete_values(self, threshold: list[int]):
    # 定义与阈值对应的标签列表
    labels = ["Very Low", "Low", "Moderate", "High", "Very High", "Extreme", "Very Extreme"]
    # 使用digitize获取每个值对应的标签索引（right=True表示区间左开右闭，匹配你的逻辑）
    indices = np.digitize(self.map_index, threshold, right=True)
    # 直接生成结果数组，自动适配字符串长度
    self.map_index_discreet = np.array(labels)[indices].reshape(self.map_index.shape)

内容的提问来源于stack exchange，提问作者tbmsilva