NumPy布尔索引赋值报错：无法将3个输入值分配给掩码为真的6个输出值

你遇到的报错本质是numpy布尔索引的形状匹配逻辑导致的：
当你使用arr1 == [1,2,3]做比较时，numpy会触发广播机制做逐元素对比，最终得到和arr1形状完全一致的布尔矩阵，矩阵中每个位置对应arr1对应位置的元素是否和目标数组对应位置相等。

• 匹配[3,4,5]时，只有第二行的3个元素全部符合匹配条件，布尔矩阵中共有3个True，你赋值的[-1,-1,-1]刚好也是3个元素，形状匹配因此运行正常。
• 匹配[1,2,3]时，第0行和第2行共6个元素符合匹配条件，布尔矩阵中有6个True，你赋值的数组只有3个元素，形状不匹配因此抛出错误。
• 单值替换时因为赋值对象是标量，numpy会自动将标量广播到所有True对应的位置，因此无论匹配多少个位置都不会报错。

你需要的整行/整像素匹配逻辑，应该用np.all()在对应维度做全匹配判断，直接生成行/像素级的布尔掩码，无需逐元素遍历，全程是numpy向量化操作，性能极高。

示例场景修复代码 #

import numpy as np

arr1 = np.array([[1,2,3],[3,4,5],[1,2,3]])
arr2 = np.zeros_like(arr1)
target_row = [1,2,3]
replace_val = [-1,-1,-1]

# 沿行维度判断：只有整行所有元素都匹配才标记为True，得到长度等于行数的一维掩码
row_mask = np.all(arr1 == target_row, axis=1)
arr2[row_mask] = replace_val

运行后arr2的第0、2行都会被成功替换为[-1,-1,-1]，符合预期。

RGB图像处理方案 #

针对(H,W,3)格式的3通道彩色图像，逻辑和上述示例完全一致，仅需要将判断维度改为通道所在的最后一维即可：

# img为输入的(H,W,3)格式原图，dtype通常为uint8
target_rgb = [255, 0, 0] # 要匹配的目标RGB值
replace_rgb = [0, 255, 0] # 匹配后要替换的RGB值
result = np.zeros_like(img)

# 沿通道维度判断：只有单个像素的3个通道全部匹配才标记为True，得到(H,W)的二维掩码
pixel_mask = np.all(img == target_rgb, axis=2)
# numpy会自动将replace_rgb广播到所有匹配的像素位置
result[pixel_mask] = replace_rgb

该方案完全规避了Python层的循环，哪怕是4K分辨率的大尺寸图像也能在毫秒级完成处理，性能远高于逐像素遍历。

内容的提问来源于stack exchange，提问作者SeismicSandwhich