如何高效替换3D NumPy数组中的指定值？

你用for循环的方式确实效率很低，因为Python层面的循环会带来大量开销，而NumPy的核心优势就是矢量化操作——用底层C实现的批量操作替代Python循环，能大幅提升效率。

这里提供两种高效的实现方式：

方法一：布尔索引直接修改原数组 #

这种方式会直接在原数组上修改元素，内存开销小，速度最快：

import numpy as np

# 注意不要用input作为变量名，它是Python内置函数
input_arr = np.array([[[0,0,1,1,2,2],[0,0,1,1,2,2],[0,0,1,1,2,2]],[[0,0,1,1,2,2],[0,0,1,1,2,2],[0,0,1,1,2,2]]])
# 把所有等于2的元素替换为0
input_arr[input_arr == 2] = 0

input_arr == 2会生成一个和原数组形状完全一致的布尔数组，其中值为True的位置就是原数组中元素等于2的位置，通过布尔索引直接赋值即可完成批量替换。

方法二：使用np.where生成新数组 #

如果不想修改原数组，而是生成一个新的结果数组，可以用np.where：

import numpy as np

input_arr = np.array([[[0,0,1,1,2,2],[0,0,1,1,2,2],[0,0,1,1,2,2]],[[0,0,1,1,2,2],[0,0,1,1,2,2],[0,0,1,1,2,2]]])
result = np.where(input_arr == 2, 0, input_arr)

np.where的逻辑是：遍历数组，当第一个参数的布尔条件为True时取第二个参数的值，否则取第三个参数的值，内部同样是矢量化的批量操作，效率远高于Python循环。

这两种方法在处理大规模数组时，性能会比for循环高出几个数量级，完全适配你的需求。

内容的提问来源于stack exchange，提问作者user14861531