NumPy按条件筛选数组元素时如何保持原数组尺寸？

原代码存在两个核心错误：

• 初始化零矩阵尺寸错误：原数组x是3行2列结构，你初始创建的是3*3尺寸的ppoc，和原数组尺寸不匹配
• 索引用法逻辑错误：ppoc[0, ixu]的写法是取矩阵第0行对应索引位置的数值，会直接压缩维度，根本无法保留原数组的形状结构，自然得不到预期结果
  另外你代码里写的判断条件x>2和你文字描述的「查找大于3的元素」不一致，按你给出的期望输出[[0,0], [3,4], [5,6]]，实际判断条件应为x>2。

这类需要保留原数组形状、不符合条件位置置0的筛选需求，直接用NumPy的布尔掩码逻辑实现即可，不需要调用np.argwhere取坐标。

方案1：np.where 最简写法 #

直接调用np.where按条件填充值，一行代码就能搞定：

import numpy as np
x = np.array([[1,2], [3,4], [5,6]])
# 语法：np.where(判断条件, 条件为真时取的值, 条件为假时取的值)
ppoc = np.where(x > 2, x, 0)

运行后ppoc的输出为：

[[0 0]
 [3 4]
 [5 6]]

和原数组x尺寸完全一致，符合要求。如果需要严格按「大于3」的逻辑筛选，只需要把判断条件改成x > 3，对应输出为[[0 0] [0 4] [5 6]]。

方案2：布尔索引赋值写法 #

如果觉得np.where不好理解，也可以先初始化同形状零矩阵，再通过布尔索引给符合条件的位置赋值：

# 生成和x完全同形状的零矩阵，不用手动指定行列数
ppoc = np.zeros_like(x)
# 生成布尔掩码，符合条件的位置为True，其余为False
mask = x > 2
# 把符合条件位置的x值，赋值到ppoc对应位置
ppoc[mask] = x[mask]

运行结果和方案1完全一致。

补充说明：np.argwhere返回的是符合条件元素的坐标列表，适合需要拿到坐标做自定义遍历、位置计算的场景，做这种同形状掩码筛选时直接用布尔数组效率更高，也不会出现维度错乱的问题。

内容的提问来源于stack exchange，提问作者user15788706