如何获取二维Numpy数组每行的最后一个非空值？

这里提供两种实用的实现方式，针对你的数组需求可以直接套用：

方法一：利用NumPy向量化操作（高效处理大数组） #

通过布尔索引和反向查找定位每行最后一个非NaN值的位置，再提取对应元素：

import numpy as np

a = np.array(
    [
        [1,2,np.nan,np.nan],
        [1,33,45,np.nan],
        [11,22,3,78],
    ]
)

# 生成标记非NaN元素的布尔矩阵
non_nan_mask = ~np.isnan(a)
# 反转每行的布尔序列，用argmax找到第一个True的位置（对应原数组最后一个非NaN的位置）
last_idx = non_nan_mask.shape[1] - 1 - np.argmax(non_nan_mask[:, ::-1], axis=1)
# 根据行索引和元素位置提取结果
result = a[np.arange(a.shape[0]), last_idx]
print(result)  # 输出：[ 2. 45. 78.]

注意：如果存在全为NaN的行，argmax会返回0，导致提取最后一个位置的NaN，可根据需求添加判断逻辑处理这种情况。

方法二：自定义函数结合apply_along_axis（逻辑直观） #

通过自定义函数过滤每行的NaN值，直接取最后一个有效元素：

import numpy as np

a = np.array(
    [
        [1,2,np.nan,np.nan],
        [1,33,45,np.nan],
        [11,22,3,78],
    ]
)

def extract_last_non_nan(row):
    # 过滤当前行的NaN值
    valid_vals = row[~np.isnan(row)]
    # 返回最后一个有效元素，全NaN时返回NaN（可根据需求修改）
    return valid_vals[-1] if len(valid_vals) > 0 else np.nan

# 沿行方向应用自定义函数
result = np.apply_along_axis(extract_last_non_nan, axis=1, arr=a)
print(result)  # 输出：[ 2. 45. 78.]

内容的提问来源于stack exchange，提问作者vvv