Numpy/Pandas实现矩阵A中0值位置替换为矩阵B对应位置值的方法

以下两种实现均为向量化运算，无Python层面循环，性能优异，可直接用于大规模矩阵处理：

1. Numpy实现（推荐纯数值矩阵场景） #

核心使用np.where逐元素判断取值，一行代码完成逻辑，运算效率为C语言级别：

import numpy as np

# 构造示例矩阵
A = np.array([
    [0, 0, 1],
    [0, 0, 0],
    [1, 0, 0]
])
B = np.array([
    [0, 2, 4],
    [2, 0, 3],
    [4, 3, 0]
])

# 核心逻辑：A位置值为0则取B对应值，否则保留A的值
C = np.where(A == 0, B, A)

输出结果C完全匹配预期：

array([[0, 2, 1],
       [2, 0, 3],
       [1, 3, 0]])

2. Pandas实现（适合原数据为DataFrame的场景） #

如果你的矩阵原本是以DataFrame格式存储，可以用mask方法实现：

import pandas as pd

df_a = pd.DataFrame(A)
df_b = pd.DataFrame(B)

# 替换df_a中值为0的位置为df_b对应值
df_c = df_a.mask(df_a == 0, df_b)
# 如需转回numpy矩阵，可调用df_c.values

内容的提问来源于stack exchange，提问作者xc-2021