如何获取可返回替换指定值的新numpy数组的函数？禁止赋值与原地修改

嘿，我太懂这种“较劲”的感觉了——就想要那种不用赋值、纯函数式的写法对吧？刚好numpy里有几个现成的函数能满足你的需求，完全不需要原地修改原数组，直接返回新数组：

最简洁高效的方法：np.where #

np.where简直是为这种场景量身定做的，它接收条件、满足条件时的值、不满足时的值，直接返回一个全新的数组，完全不会修改原数组。

放到你的lambda里就是这样：

lambda: np.where(function_returns_numpy_array() == 0, 10, function_returns_numpy_array())

如果担心重复调用function_returns_numpy_array()（比如这个函数计算成本高），可以用一个小技巧包装一下，在lambda里也能实现：

lambda: (lambda arr: np.where(arr == 0, 10, arr))(function_returns_numpy_array())

内层lambda先接收原数组，再用np.where处理，完美避免重复调用原函数。

另一种可选方法：np.vectorize（适合简单逻辑） #

如果你更喜欢逐元素处理的思路，可以用np.vectorize包装一个简单的判断函数，它也会返回新数组：

lambda: np.vectorize(lambda x: 10 if x == 0 else x)(function_returns_numpy_array())

不过要注意：np.vectorize本质上是循环的包装器，效率比np.where低一些，如果你的数组很大，优先选np.where。

为什么这些方法符合要求？ #

• 完全没有原地修改操作（不像np.place或者直接赋值）
• 都是接收输入数组，返回全新的输出数组，纯函数风格
• 可以直接嵌入lambda表达式里，完美匹配你的需求

内容的提问来源于stack exchange，提问作者Gerges