如何快速检查两个Python NumPy数组条件？优化指定双重循环代码

当然可以！你已经摸到了NumPy高效操作的核心——矢量化，处理双数组的条件判断时，这个思路同样能让你的代码效率飙升，彻底摆脱嵌套循环的性能瓶颈。

核心优化方案：用布尔掩码实现矢量化操作 #

NumPy支持对布尔数组进行逻辑运算，我们可以先创建一个掩码数组，标记出两个数组同时为0的位置，然后通过这个掩码一次性完成两个数组的修改，完全不需要循环：

import numpy as np

# 先确保数组是浮点型（因为np.nan是浮点类型，整数数组直接赋值会报错）
original_data = original_data.astype(np.float64)
rain100 = rain100.astype(np.float64)

# 创建布尔掩码：两个数组对应位置都为0的地方标记为True
mask = (original_data == 0) & (rain100 == 0)

# 批量修改两个数组
original_data[mask] = np.nan
rain100[mask] = np.nan

为什么这个方法更快？ #

你原来的嵌套循环是在Python层面逐元素判断和赋值，每一次循环都会带来Python解释器的开销。而NumPy的矢量化操作是在底层用C语言实现的，直接对整个数组的内存块进行批量处理，完全避开了Python循环的性能损耗——对于你1155×1683尺寸的数组，这种优化能让代码速度提升几十甚至上百倍。

额外注意事项 #

如果你的原始数组是整数类型，一定要先转换成浮点型（比如np.float64），因为np.nan属于浮点类型，直接给整数数组赋值会触发类型错误。如果数组本来就是浮点型，这一步可以跳过。

内容的提问来源于stack exchange，提问作者Kallol Das