NumPy中是否有可替代全True布尔掩码的高效索引方式？

存在完全等效全True布尔数组、且无大内存开销的索引对象，最优选择是切片对象slice(None)，即常量numpy.s_[:]。

方案特性 #

• 零内存开销：这个对象是Python内置的切片常量，大小固定，无论原数组长度是10还是10亿，都不会分配和原数组等长的内存空间，完全规避全True布尔数组的内存浪费问题
• 代码零侵入：后续所有a[mask]的写法完全不需要修改，不需要在每个索引位置加分支判断，完全保留原有代码结构
• 索引结果完全等价：对于一维数组，a[numpy.s_[:]]和a[numpy.ones(len(a), dtype=bool)]选取的元素完全一致，且前者返回原数组视图，比后者（返回拷贝）的性能高几个数量级，大数组场景下优势极其明显

实现示例 #

import numpy

def func(use_mask):
    a = numpy.arange(10)
    if use_mask:
        mask = a % 2 == 0
    else:
        # 零开销全选索引，替代等长全True布尔数组
        mask = numpy.s_[:]
    
    # 后续所有掩码索引逻辑完全不需要改动
    r = f1(a[mask])
    q = f2(a[mask], r)
    return q

特殊场景适配 #

如果你的后续代码需要对mask做&/|等布尔位运算（切片对象不支持这类操作），可以用广播视图作为替代，内存开销仅为1个布尔值，同样不会创建等长数组：

# 替代全True布尔数组的广播视图，支持布尔运算
mask = numpy.broadcast_to(numpy.bool_(True), a.shape)

注意：不建议直接用...（Ellipsis对象）作为全选索引，该对象在多维数组场景下会选中所有维度的全部元素，和一维布尔掩码的语义不完全对齐，容易在后续数组维度调整时引入隐蔽bug。

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