Numpy中如何根据数组A的NaN位置替换数组B对应位置值为NaN

直接使用numpy布尔索引即可，这是numpy原生向量化操作，处理你582x533的数组效率极高，不会有性能问题：

# 只要A对应位置为NaN，就把B的对应位置赋值为NaN
B[np.isnan(A)] = np.nan

原代码出错原因 #

你之前使用np.ma.masked_where的参数逻辑错误：该方法第一个参数是掩码条件，第二个参数是需要被掩码的原数组，你传入的第二个参数是np.nan而非数组B，同时掩码数组默认不会直接替换值为NaN，还要额外调用填充方法，远不如布尔索引赋值简单直接。

完整测试示例 #

import numpy as np
A = np.array([[np.nan,np.nan,0],[4,5,6],[7,8,9]])
B = np.zeros((len(A),len(A[0])))

# 核心操作
B[np.isnan(A)] = np.nan

print(B)

运行后输出的B结果为：

[[nan nan  0.]
 [ 0.  0.  0.]
 [ 0.  0.  0.]]

完全符合需求。

内容的提问来源于stack exchange，提问作者Nihilum