如何基于条件对Numpy矩阵/掩码进行前向填充（Forward fill）

嘿，这个需求我之前也碰到过，用Numpy的向量操作就能高效搞定，不用傻乎乎地逐行循环~ 先看看你的原始矩阵：

import numpy as np

A = np.array([
    [0, 0, 0, 0, 1, 0, 1],
    [0, 0, 0, 0, 0, 0, 1],
    [1, 0, 0, 0, 0, 0, 0],
    [0, 0, 0, 0, 0, 0, 0]
]).astype(bool)

你的目标是：每行里只要出现第一个True，它右侧（列方向）的所有元素都要变成True，对吧？这里有个简洁的实现方式：

# 获取每行第一个True的索引，没有True的行暂时会返回0（后面修正）
first_true_idx = np.argmax(A, axis=1)
# 修正全False的行：把它们的索引设为矩阵的列数，这样后续不会触发填充
first_true_idx[~A.any(axis=1)] = A.shape[1]

# 生成列索引矩阵，和每行的第一个True位置做广播比较
col_indices = np.arange(A.shape[1])
result = col_indices >= first_true_idx[:, np.newaxis]

运行这段代码后，result就是你想要的布尔掩码；如果需要和你示例一致的整数形式输出，只需要转成int类型：

# 布尔形式结果
print(result)
# 整数形式结果（匹配你的期望输出）
print(result.astype(int))

整数形式的输出如下：

[[0 0 0 0 1 1 1]
 [0 0 0 0 0 0 1]
 [1 1 1 1 1 1 1]
 [0 0 0 0 0 0 0]]

我来拆解下逻辑：

• np.argmax(A, axis=1)会返回每行中第一个True的索引（因为True等价于1，False是0，argmax会找第一个最大值的位置），但全False的行默认返回0，这不符合我们的需求，所以用~A.any(axis=1)定位这些行，把它们的索引改成矩阵的列数，这样后续比较时列索引永远不会大于等于它，保持全False。
• col_indices = np.arange(A.shape[1])生成从0到列数-1的数组，再通过first_true_idx[:, np.newaxis]把一维索引转成二维列向量，利用Numpy的广播特性，就能快速生成每行中「列索引≥第一个True位置」的掩码。

如果想直接修改原矩阵，直接赋值就行：A[:] = result。

备注：内容来源于stack exchange，提问作者HJA24