如何在Python中无循环生成特定条件的Numpy矩阵？

针对你构建仿真状态矩阵的需求，我们可以利用Numpy的向量式操作来实现，完全不需要编写for循环，代码简洁且高效。

步骤分解 #

首先，我们先把示例矩阵用Numpy正确定义：

import numpy as np

# 定义原始仿真状态矩阵A
A = np.matrix([[0., 0.024, 0.088, 0.154, 0.206],
               [0., 0.3300, 0.654, 1, 0.5],
               [0., 0.1770, 0.371, 0.5149487, 0.610],
               [0., 0., 0.5, 0.8, 0.9],
               [0., 0., 1, 0.9, 0.8]])

接下来按照你的规则生成目标矩阵B：

1. 生成初始掩码矩阵：先标记出A中所有>=1的元素位置，得到布尔矩阵

   mask = A >= 1
   

   这一步会得到一个和A同形状的布尔矩阵，满足条件的位置为True，否则为False。

2. 累积逻辑转换：对每行执行从左到右的累积求和操作（布尔值会被视为1/0），这样一旦遇到第一个满足条件的元素，该行后续所有位置都会被置为1，最后转成整数类型即可

   B = np.cumsum(mask, axis=1).astype(int)
   

验证结果 #

运行上述代码后，得到的B矩阵为：

matrix([[0, 0, 0, 0, 0],
        [0, 0, 0, 1, 1],
        [0, 0, 0, 0, 0],
        [0, 0, 0, 0, 0],
        [0, 0, 1, 1, 1]])

完全符合你的规则（注：原问题中目标B可能遗漏了第五行，这里按A的完整结构生成了正确结果）。

原理说明 #

• np.cumsum在布尔数组上操作时，会将True视为1、False视为0，累积求和后，只要出现过一次1，后续所有位置的累积结果都会>=1，转换为int后就是1；
• 指定axis=1确保我们是沿着每行（列方向）进行累积操作，而不是按列累积。

内容的提问来源于stack exchange，提问作者Beckyyyyy