Python使用np.where处理嵌套数组 保留零值将非零值转为1

你不需要写多层for循环遍历数组内层维度，NumPy本身的向量化广播机制可以直接对任意维度的数组做逐元素处理，处理后完全保留原字典结构、数组维度和元素位置，实现代码非常简洁：

核心实现代码 #

import numpy as np

# 方案1：生成新的字典存储二值化结果，不修改原始数据
binary_dict = {}
for key, nested_array in your_dict.items():
    # 逐元素判断：非零为True(转1)，零值为False(转0)，数组维度完全不变
    binary_dict[key] = (nested_array != 0).astype(np.int8)

# 方案2：直接在原字典上修改，不需要额外存储空间
for key in your_dict:
    your_dict[key] = (your_dict[key] != 0).astype(np.int8)

实现说明 #

• 这个写法完全适配任意维度的嵌套NumPy数组，不管是你示例里的4维数组，还是更高维的结构，都不需要手动写索引逐层遍历，NumPy会自动完成所有元素的判断替换
• 如果你需要和你之前的逻辑对齐，规避浮点数精度误差（比如极小数的浮点噪声被误判为非零），可以把判断条件替换为阈值判断：

  # 绝对值小于1e-8的元素判定为0，其余判定为非零
  binary_dict[key] = (np.abs(nested_array) > 1e-8).astype(np.int8)
  

• 处理后你可以打印数组shape验证：print(binary_dict[1].shape)，输出的维度和原数组完全一致，原字典的键、数组的嵌套层级、元素位置都不会发生任何变化，性能远高于手写多层循环。

内容的提问来源于stack exchange，提问作者Niam45