如何将列表元素按顺序替换numpy数组中非np.nan的元素

直接使用numpy的布尔索引做向量化赋值即可，全程无显式循环，适配任意维度的数组和动态长度的匹配序列：

首先导入numpy并准备原始数据：

import numpy as np

a = [1, 2, 3, 4, 5]
b = np.array([[np.nan, 10, np.nan], 
              [11,     12,     13], 
              [np.nan, 14, np.nan]])

核心实现代码：

# 复制原数组避免修改原始数据，不需要保留原数组可直接操作b
c = b.copy()
# 给所有非nan位置按行优先顺序赋值a的元素
c[~np.isnan(c)] = a

执行后c的输出结果与需求完全一致：

array([[nan,  1., nan],
       [ 2.,  3.,  4.],
       [nan,  5., nan]])

原理解释 #

• ~np.isnan(c) 会生成和c形状一致的布尔掩码，非nan位置为True，nan位置为False
• numpy对布尔索引的赋值默认按**行优先（C风格顺序）**匹配右侧序列的元素，正好符合按顺序填充非nan位置的要求
• 该方案为纯向量化操作，性能远高于循环写法，只要保证a的长度和b中非nan元素数量一致，无论b的维度、a的长度如何变化都可以直接使用。

内容的提问来源于stack exchange，提问作者Ray Li