如何仅对3D NumPy数组内维度指定列执行自定义数值运算

你之前操作出错的核心原因是把条件判断作用到了整个数组上，只要先精准切片取出要修改的目标列，所有运算仅在该切片上执行即可，不会影响其他位置的元素。
3维数组取最内层索引为1的所有元素，切片写法为a[:, :, 1]，这个切片返回的是原数组的视图，修改它会直接同步到原数组，不需要额外赋值回写。

完整可运行代码如下：

import numpy as np

# 初始化原始数组
a = np.array([
        [[1, -2, 3, 4],[5, 6, 7, 8]],
        [[9, 10, 11, 12],[13, 14, 15, 16]]
])
v1, v2, v3 = 12, 4, 2

# 提取需要操作的目标列（最内层索引为1）
target = a[:, :, 1]

# 第一步：阈值截断，将目标列中>=v1的值替换为v1
target[target >= v1] = v1

# 第二步：按规则做值映射
# 先标记值不为-2的位置，对这些位置做线性变换
mask = target != -2
target[mask] = (target[mask] - v3) / (v2 - v3)

执行后打印a，得到的结果和预期完全一致：

[[[ 1 -2  3  4]
  [ 5  2  7  8]]

 [[ 9  4 11 12]
  [13  5 15 16]]]

关键说明 #

• 不要直接对整个数组a做条件筛选，否则会把其他列中>=v1的元素（比如其他位置的13、15、16）也错误截断为12。
• 不要直接把自定义lambda函数作用到整个数组上，numpy数组直接传入普通Python lambda做逐元素运算效率极低，且容易因为广播机制出错，用布尔掩码做批量运算才是numpy的正确写法。
• 因为切片返回的是原数组视图，整个过程不需要给a反复重新赋值，所有对target的修改会直接生效在原数组上。

内容的提问来源于stack exchange，提问作者Kunis