如何快速为二维数组中的全零行填充指定值？

要高效处理全零行替换，别用Python循环，直接用numpy的向量化操作——底层是C实现，速度比循环快几个量级，尤其是数组规模大的时候。

核心步骤： #

• 生成全零行掩码：用np.all(arr == 0, axis=1)，axis=1表示按行检查所有元素是否为0，返回布尔数组，True对应全零行。
• 批量赋值：通过掩码直接定位全零行，给这些行设置指定值。

示例代码： #

import numpy as np

# 输入数组
arr = np.array([[2, 6, 9, 7, 0],
                [0, 0, 0, 0, 0],
                [3, 8, 5, 4, 7]])

# 标记全零行
zero_row_mask = np.all(arr == 0, axis=1)

# 将全零行替换为指定值（这里用1）
arr[zero_row_mask] = 1

print(arr)

输出结果： #

array([[2, 6, 9, 7, 0],
       [1, 1, 1, 1, 1],
       [3, 8, 5, 4, 7]])

额外说明： #

如果需要替换成非统一值（比如每行对应不同的数组），只要指定值的形状和单行长度匹配即可，例如：

arr[zero_row_mask] = [2, 3, 4, 5, 6]

你之前用循环+np.all()的方法，在数组行数较多时会因为Python循环的开销变慢，向量化操作是numpy的最优实践，能最大化利用底层优化。

内容的提问来源于stack exchange，提问作者sten