关于数组条件替换元素代码的原理及技术名称咨询

嘿，这个问题问得特别到位！我来一步步拆解这段代码的逻辑，还有它背后的核心技术：

首先，明确技术名称：布尔索引（Boolean Indexing） #

这是NumPy数组特有的高效操作（普通Python列表没法这么用哦），用来基于条件筛选或修改数组元素，是数据处理里非常常用的技巧。

具体执行步骤拆解 #

假设我们有一个NumPy数组：import numpy as np; arr = np.array([1, 2, 3, 4, 5])，我们来一步步看arr[arr % 2 == 1] = -1的执行过程：

1. 生成布尔掩码（Boolean Mask）
   先执行arr % 2 == 1：

   • 对数组里的每个元素做% 2（取模2）运算，得到[1,0,1,0,1]
   • 再把每个结果和1比较，生成一个和原数组形状完全一致的布尔数组：array([True, False, True, False, True])
     这个布尔数组就是我们的"掩码"，True标记了原数组中符合条件（奇数）的位置。

2. 用掩码筛选目标元素
   接着执行arr[arr % 2 == 1]：
   NumPy会识别这个布尔掩码，把原数组中所有掩码为True的元素提取出来，形成一个新的一维数组：array([1, 3, 5])

3. 批量赋值修改
   最后执行= -1：
   这一步会把刚才筛选出来的所有元素直接替换成-1，并且同步修改原数组中对应的位置。最终原数组会变成：array([-1, 2, -1, 4, -1])

为什么这个操作高效？ #

和Python里手动循环遍历数组修改元素相比，布尔索引是基于NumPy的底层C实现，避免了Python循环的开销，处理大规模数组时速度会快很多。

内容的提问来源于stack exchange，提问作者Arun Ajay