如何无循环按条件修改二维NumPy数组的指定元素

完全基于NumPy原生广播机制实现，无需编写任何显式循环，代码可直接运行：

import numpy as np

# 初始化题目给定数组
A = np.array([[2,0,2,2],[0,0,1,1],[1,2,1,0]])
B = np.array([[2,1,1,0],[2,2,0,2],[0,0,0,2]])
# 初始化时指定float类型，避免后续赋值浮点数出现整数截断
C = np.array([[0,0,3,2],[1,2,2,1],[2,3,1,5]], dtype=np.float64)
# 注意原示例中Weight.reshape(-1,1)未接收返回值属于无效操作，这里直接转为列向量用于广播
Weight = np.array([0. , 0.5, 2. ]).reshape(-1, 1)

# 1. 计算列筛选掩码：三个数组按列求和大于10的列
col_total = np.sum(A, axis=0) + np.sum(B, axis=0) + np.sum(C, axis=0)
col_mask = col_total > 10

# 2. 计算筛选列范围内需要替换值的位置掩码
replace_pos = (A + B - C)[:, col_mask] < 0
# 计算全量替换值矩阵：逐行计算(A+B)*对应行权重
replace_value = (A + B) * Weight

# 3. 直接通过掩码定位原数组位置完成赋值
C[:, col_mask][replace_pos] = replace_value[:, col_mask][replace_pos]

执行后得到的C数组与预期完全一致：

array([[0. , 0. , 3. , 2. ],
       [1. , 2. , 0.5, 1. ],
       [2. , 3. , 1. , 4. ]])

实现说明 #

• 不需要单独拆分A_1、B_1、C_1子集再做回填，直接通过双层布尔掩码定位原数组目标位置即可，减少不必要的内存开销。
• Weight调整为(-1,1)形状的列向量后，可直接和形状为(3,4)的(A+B)矩阵做广播运算，自动实现每行元素乘对应行权重的逻辑。
• C数组初始化时指定浮点类型，避免整数数组写入浮点值时被截断导致结果错误。

内容的提问来源于stack exchange，提问作者user13925399