如何基于索引条件正确为2D numpy数组生成掩码？

你完全可以用Numpy自带的向量化工具实现需求，不需要写嵌套循环，这里提供两种常用方案：

方案1：切片直接赋值（最适配当前奇偶索引需求） #

针对行、列均取偶数索引的固定规则场景，用Numpy步长切片一行就能完成赋值，效率远高于循环实现：

mask = np.zeros(x.shape, dtype=bool)
mask[::2, ::2] = True

::2表示从索引0开始，步长为2选取元素，正好对应0、2、4这类偶数索引，行、列维度同时按该规则赋值，就能得到符合要求的掩码。

方案2：np.indices通用索引判断（适合复杂自定义条件） #

如果后续你的判断规则更灵活（比如行索引大于列索引、行列索引之和满足特定公式等），可以用np.indices生成全量行列索引矩阵后做向量化判断，扩展性更强：

row_idx, col_idx = np.indices(x.shape)
mask = (row_idx % 2 == 0) & (col_idx % 2 == 0)

不管判断规则多复杂，只要替换成对应的矩阵运算逻辑即可，全程不需要写循环。

内容的提问来源于stack exchange，提问作者not_alex