在数据分析、科学计算以及机器学习中除了读取和提取数组元素之外还经常需要修改数组中的数据。NumPy 提供了一组与数组数据写入、条件替换、整体填充以及结构调整相关的函数。这些函数能够在数组层面完成批量操作从而避免 Python 循环带来的性能损失。按照功能划分NumPy 中与数组元素修改相关的常用函数通常可以分为以下几类1写入与替换2插入元素3删除元素4数组填充一、写入与替换put()根据指定索引向数组中写入元素。numpy.put(a, ind, v, moderaise)参数说明• a输入数组将被原地修改• ind索引位置• v要写入的值• mode索引越界处理方式raise索引越界时报错默认wrap循环索引clip截断到边界示例 1import numpy as np a np.array([10, 20, 30, 40])np.put(a, [1, 3], [99, 88])print(a)# [10 99 30 88]说明索引位置 1 和 3 的元素被替换为 99 和 88。需要注意的是put() 始终基于数组的 C-order 扁平索引row-major flattened index进行定位而不考虑原数组的多维结构。示例 2A np.array([[1, 2], [3, 4]]) np.put(A, 2, 99)print(A)输出[[ 1 2] [99 4]]二维数组在内部按一维顺序 [1,2,3,4]故索引 2 对应元素 3。示例 3a np.array([0, 1, 2, 3])np.put(a, [0, 0, 2], [10, 20, 30])print(a)# [20 1 30 3]说明当 ind 中出现重复位置时后写入的值会覆盖前写入的值。put_along_axis()沿指定轴根据索引写入元素。numpy.put_along_axis(arr, indices, values, axis)参数说明• arr输入数组• indices索引数组• values要写入的值• axis指定轴示例A np.array([[10, 20, 30], [40, 50, 60]]) idx np.array([[1], [0]]) np.put_along_axis(A, idx, [[99], [88]], axis1)print(A)输出[[10 99 30] [88 50 60]]说明第 0 行索引为 1因此将 20 替换为 99第 1 行索引为 0因此将 40 替换为 88。indices 的形状应与 arr 在除 axis 外的各维相兼容其作用是在指定轴上为每个位置提供写入下标。put_along_axis() 常与 argmax()、argsort() 等函数配合使用。place()根据条件替换数组中的元素。numpy.place(arr, mask, vals)参数说明• arr输入数组• mask布尔条件数组• vals替换值示例a np.array([1, 2, 3, 4, 5]) np.place(a, a 3, [99, 88])print(a)输出[ 1 2 3 99 88]说明满足条件 a 3 的元素被替换为指定值。如果 vals 数量不足NumPy 会循环使用这些值。place() 会按一维遍历顺序将 vals 中的值依次填入 mask 为 True 的位置若 vals 不足则循环使用。putmask()根据条件掩码替换数组中的元素。numpy.putmask(arr, mask, values)参数说明• arr输入数组将被原地修改• mask布尔条件数组• values替换值该函数会将 mask 为 True 的位置替换为指定值。示例 1a np.array([1, 2, 3, 4, 5]) np.putmask(a, a 3, 0)print(a)输出[1 2 3 0 0]说明满足条件 a 3 的元素被替换为 0。示例 2二维数组A np.array([[1, 2, 3], [4, 5, 6]]) np.putmask(A, A 3, -1)print(A)输出[[ 1 2 3] [-1 -1 -1]]说明条件 A 3 的位置全部被替换为 -1。putmask() 更强调“按掩码位置写入”其 values 会按广播或重复规则作用到满足条件的位置。需要注意的是 putmask() 会直接修改原数组而不是返回新数组。如果希望返回新数组而不直接修改原数组也可以使用 where()。它会根据条件在两个候选值之间进行选择并生成新的结果数组。示例A np.array([[1, 2, 3], [4, 5, 6]]) B np.where(A 3, -1, A) # 大于 3 的元素替换为 -1其余元素保持原值 Aprint(B)输出[[ 1 2 3] [-1 -1 -1]]copyto()将一个数组的数据复制到另一个数组中。numpy.copyto(dst, src, castingsame_kind, whereTrue)参数说明• dst目标数组• src源数组• where条件掩码• casting类型转换规则示例a np.array([1, 2, 3, 4])b np.array([10, 20, 30, 40]) np.copyto(a, b, whereb 20)print(a)输出[ 1 2 30 40]说明只有满足条件 b 20 的元素才会被复制到数组 a 中。copyto() 常用于实现带条件的批量赋值。它支持显式控制类型转换规则如 casting并按 NumPy 的广播规则将源数据复制到目标数组中。ufunc.at()以 np.add.at() 为例对指定索引位置执行原地运算尤其适用于处理重复索引时的累积写入。常见用法numpy.add.at(a, indices, b)参数说明• a目标数组将被原地修改• indices索引位置• b参与运算的值示例a np.array([0, 0, 0]) np.add.at(a, [0, 0, 2], 1)print(a)# [2 0 1]说明索引位置 0 出现两次因此对应元素被累加两次索引位置 2 出现一次因此该位置加 1。对比普通写法a np.array([0, 0, 0]) a[[0, 0, 2]] 1print(a)# [1 0 1]说明普通高级索引赋值在遇到重复索引时结果通常不是逐次累积而 np.add.at() 会逐次作用到每个索引位置因此更适合统计、累计等场景。补充说明at() 是通用函数ufunc的方法而不是独立模块函数。常见形式有np.add.at()np.maximum.at()np.minimum.at()它主要用于需要“原地、逐次、可处理重复索引”的更新场景。二、插入元素insert()在数组指定位置插入元素。numpy.insert(arr, obj, values, axisNone)参数说明• arr输入数组• obj插入位置• values插入的值• axis指定轴示例 1a np.array([1, 2, 3, 4]) np.insert(a, 2, 99)输出[ 1 2 99 3 4]说明在索引位置 2 插入元素 99。示例 2二维数组指定轴A np.array([[1, 2, 3], [4, 5, 6]]) np.insert(A, 1, [9, 9, 9], axis0)输出[[1 2 3] [9 9 9] [4 5 6]]说明在 axis0行方向的索引 1 处插入新行 [9,9,9]。需要注意的是insert() 不会修改原数组而是返回新的数组。三、删除元素delete()删除数组中指定位置的元素。numpy.delete(arr, obj, axisNone)参数说明• arr输入数组• obj删除位置• axis指定轴示例 1a np.array([10, 20, 30, 40]) np.delete(a, 1)输出[10 30 40]说明删除索引位置 1 的元素。示例 2二维数组指定轴A np.array([[1, 2, 3], [4, 5, 6]]) np.delete(A, 1, axis1)输出[[1 3] [4 6]]说明在 axis1列方向删除索引 1 的列。delete() 会返回新的数组而不会修改原数组。提示需要注意的是insert() 与 delete() 在内部会创建新数组并复制数据因此在大规模数据处理中性能较低。若需要频繁修改数组结构通常建议先使用 Python 列表构建数据再转换为 NumPy 数组。四、数组填充fill()用指定值填充整个数组。ndarray.fill(value)参数说明• value填充值示例a np.array([1, 2, 3, 4]) a.fill(0)print(a)输出[0 0 0 0]说明数组中的所有元素都会被替换为指定值。提示fill() 是 ndarray 对象的方法用于原地将数组所有元素填充为同一个值而不是 numpy 模块下的独立函数。 小结NumPy 提供了一组常用的数组修改函数包括按索引写入put、put_along_axis、按条件替换place、putmask、copyto、处理重复索引下的原地累积更新如 np.add.at()、结构调整insert、delete以及整体填充fill。需要特别注意的是不同函数在是否原地修改、是否返回新数组以及性能特征上存在显著差异。在实际应用中应根据数据规模与计算方式选择合适的操作以兼顾表达清晰性与执行效率。“点赞有美意赞赏是鼓励”