从对称二维NumPy数组构建同维度非零值二维数组

要生成和原对称NumPy数组同维度的新数组，仅保留非零值、排除零值，可以用以下几种简单方法：

方法1：布尔索引替换零值 #

先创建原数组的副本，再将所有零值替换为NaN（或你需要的其他占位符），既保留数组维度，又排除了零值：

import numpy as np

# 确保A是NumPy数组（如果原数据是列表需先转换）
A = np.array([[0., 0., 0., ..., 0., 0., 0.],
              [0., 0., 0., ..., 0., 0., 0.],
              ...,
              [0., 0., 0., ..., 15351., 4299., 1738.],
              [0., 0., 0., ..., 0., 12393., 4374.],
              [0., 0., 0., ..., 0., 0., 15632.]])

# 创建副本并替换零值为NaN
B = A.copy()
B[B == 0] = np.nan

方法2：使用np.where直接生成新数组 #

np.where可根据条件返回对应值，完美适配你的需求：

# 非零位置保留原数值，零位置替换为NaN
B = np.where(A != 0, A, np.nan)

补充说明 #

你之前用np.nonzero没成功，是因为np.nonzero(A)返回的是非零元素的行/列索引数组，用来提取非零元素而非生成同维度数组。如果需要提取所有非零元素的值，可以用A[np.nonzero(A)]，但这会得到一维数组，不符合你要同维度的要求。

如果不想用NaN，也可以将零位置替换为其他标记值（比如-1），只需把代码里的np.nan换成对应值即可。

内容的提问来源于stack exchange，提问作者user3901294