如何用列表替换numpy数组中的0和1？求numpy.where()替代方案

这个问题我之前处理类似需求时也碰到过——numpy.where确实没法直接把标量替换成列表，但有好几种简洁高效的方法能实现你要的效果，我给你列几个常用的方案：

因为你的原数组只有0和1两个值，我们可以预先创建一个“查找表”，直接用原数组作为索引来提取对应的目标数组。这种方法完全是numpy的向量化操作，速度最快，尤其适合大数组场景。

示例代码：

import numpy as np

# 你的原0-1数组
vector = np.array([1, 0, 1, 1, 0])

# 创建查找表：索引0对应[1,0]，索引1对应[0,1]
lookup = np.array([[1, 0], [0, 1]])

# 直接通过索引获取结果
result = lookup[vector]
print(result)
# 输出结果：
# [[0 1]
#  [1 0]
#  [0 1]
#  [0 1]
#  [1 0]]

如果不想用查找表，也可以通过广播机制来构造结果数组。这里有两种实现思路：

思路2a：初始化替换+条件赋值 #

先生成一个全是[1,0]的二维数组，再把原数组中等于1的位置替换成[0,1]：

import numpy as np

vector = np.array([1, 0, 1, 1, 0])

# 生成和原数组长度一致，每个元素都是[1,0]的二维数组
result = np.tile([1, 0], (len(vector), 1))
# 把vector中等于1的位置替换为[0,1]
result[vector == 1] = [0, 1]
print(result)

思路2b：结合np.where和维度扩展 #

通过vector[:, np.newaxis]把一维数组转换成列向量（形状变为(n,1)），这样就能和[0,1]、[1,0]进行广播匹配，让np.where可以正常工作：

import numpy as np

vector = np.array([1, 0, 1, 1, 0])

# 扩展维度后使用np.where
result = np.where(vector[:, np.newaxis] == 1, [0, 1], [1, 0])
print(result)

如果你的数组规模不大，用列表推导式也很直观，代码可读性拉满，虽然速度不如向量化操作，但小数据量下完全可以忽略差异：

import numpy as np

vector = np.array([1, 0, 1, 1, 0])

# 遍历数组元素，逐个替换后转成numpy数组
result = np.array([[0, 1] if x == 1 else [1, 0] for x in vector])
print(result)

总的来说，方法1是最优选择，向量化操作效率最高，代码也最简洁。如果是处理超大规模的数组，这个方法的性能优势会非常明显。

内容的提问来源于stack exchange，提问作者user9155773