如何将NumPy二维数组经mask选中的元素与对应一维数组元素相乘，有没有更优雅方案？

你可以使用np.where实现需求，相比np.select代码更简洁易读，运行效率也更高，是更推荐的方案：

import numpy as np

a = np.array([[1,1,1,1],[1,1,1,1]])
mask = np.array([[0,1,0,1],[1,0,1,0]])
b = np.array([2,3,4,5])

# 核心逻辑仅一行
a = np.where(mask, a * b, a)
print(a)

运行结果和原实现完全一致：

[[1 3 1 5]
 [2 1 4 1]]

方案说明 #

• np.where(condition, x, y)会逐元素判断：满足condition的位置返回x的对应元素，否则返回y的对应元素，完美匹配双分支的替换需求，np.select更适合多条件分支的复杂场景
• 这里利用了NumPy的广播特性：形状为(m,n)的a和形状为(n,)的b相乘时，b会自动扩展为(m,n)的形状，每一行都和原b一致，刚好对应每一列的乘数规则

其他可选方案 #

如果你需要原地修改数组，不想生成新的数组对象，可以用布尔索引直接赋值：

mask = mask.astype(bool)
a[mask] = (a * b)[mask]

如果处理的是超大数组，想避免对全数组做乘法减少计算量，可以只提取掩码对应位置的列索引做计算：

mask = mask.astype(bool)
row_idx, col_idx = np.where(mask)
a[mask] *= b[col_idx]

内容的提问来源于stack exchange，提问作者Nasorenga