如何在循环中替换多维np.ndarray中的指定列？

不用找专门的替换函数，直接通过索引赋值就能搞定，这是Numpy里最直接高效的方式。

具体实现思路 #

循环处理每一列时，把计算好的out直接赋值回原数组对应的列位置即可：

import numpy as np

# 初始化你的2000行7列数组
original_arr = np.random.rand(2000, 7)

# 替换成你自己的列处理逻辑
def process_single_col(col):
    # 示例操作：对列内每个元素做数值变换
    return col * 2 + 5

# 循环遍历每一列
for col_idx in range(original_arr.shape[1]):
    # 取出当前列处理
    current_col = original_arr[:, col_idx]
    out = process_single_col(current_col)
    # 直接赋值回原数组的对应列
    original_arr[:, col_idx] = out

额外优化建议 #

如果你的处理函数支持向量化操作（即能直接接收二维数组并按列批量处理），那连循环都不用写，直接对整个数组调用函数即可，效率会更高：

# 假设process_single_col支持向量化处理
original_arr = process_single_col(original_arr)

但如果你的函数只能处理单列，那上面的循环索引赋值就是最优解——Numpy的数组本身就是可变结构，原生支持这种直接修改操作。

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