如何在Python中用NumPy无循环将数组B覆盖到数组A起始位置

嘿，我来帮你搞定这个需求！不用循环把数组B放到A的起始位置，其实有几种方法，我给你一一拆解，包括你提到的numpy.place和numpy.put的具体实现~

最推荐的方法：直接切片赋值 #

这应该是NumPy里最直观、最高效的方式，完全不需要循环，也不用手动处理掩码或索引：

import numpy as np

A = np.empty((3,3))
A[:] = np.nan
B = np.ones((2,2))

# 直接通过切片覆盖A的起始区域
A[:B.shape[0], :B.shape[1]] = B

运行后就能得到你想要的结果：

array([[ 1.,  1., nan],
       [ 1.,  1., nan],
       [nan, nan, nan]])

这个方法的核心是利用NumPy的数组切片特性，直接选中A中与B形状匹配的左上角区域，然后把B的值赋值过去，一步到位，代码简洁又高效。

用numpy.place实现 #

如果一定要用place方法，你需要先创建一个掩码数组，标记出A中需要替换的位置（也就是前2行前2列），然后把B展平成一维数组传入：

import numpy as np

A = np.empty((3,3))
A[:] = np.nan
B = np.ones((2,2))

# 创建掩码：前2行前2列为True，其余为False
mask = np.zeros_like(A, dtype=bool)
mask[:2, :2] = True

# 用place替换，注意B需要展平
np.place(A, mask, B.flatten())

这里的关键是手动构建掩码，告诉place哪些位置需要被替换，然后把二维的B转成一维数组（因为place要求vals是一维的）。

用numpy.put实现 #

put方法需要目标位置的线性索引（把二维数组的位置转换成一维的序号），你可以用numpy.ravel_multi_index来生成这些索引：

import numpy as np

A = np.empty((3,3))
A[:] = np.nan
B = np.ones((2,2))

# 生成前2行前2列的二维坐标，转换成线性索引
row_indices = [0, 0, 1, 1]
col_indices = [0, 1, 0, 1]
linear_indices = np.ravel_multi_index((row_indices, col_indices), dims=A.shape)

# 用put替换
np.put(A, linear_indices, B.flatten())

ravel_multi_index会把二维的(row, col)坐标转换成一维的索引值，比如(0,0)对应0，(0,1)对应1，(1,0)对应3，(1,1)对应4（因为A是3x3的数组，行优先）。拿到这些索引后，put就能把展平的B元素放到对应的位置上了。

总结 #

• 直接切片赋值是最优解，代码简洁且性能最好；
• place和put虽然能实现需求，但需要额外处理掩码或索引，相对繁琐一些，适合特殊场景下使用。

内容的提问来源于stack exchange，提问作者user3576279