在數據分析、科學計算以及機器學習中，除了讀取和提取數組元素之外，還經常需要修改數組中的數據。

NumPy 提供了一組與數組數據寫入、條件替換、整體填充以及結構調整相關的函數。這些函數能夠在數組層面完成批量操作，從而避免 Python 循環帶來的性能損失。

按照功能劃分，NumPy 中與數組元素修改相關的常用函數通常可以分為以下幾類：

（1）寫入與替換

（2）插入元素

（3）刪除元素

（4）數組填充

一、寫入與替換

put()

根據指定索引向數組中寫入元素。

numpy.put(a, ind, v, mode='raise')

參數說明：

? a：輸入數組（將被原地修改）

? ind：索引位置

? v：要寫入的值

? mode：索引越界處理方式

clip：截斷到邊界

示例 1：

# [10 99 30 88]

說明：索引位置 1 和 3 的元素被替換為 99 和 88。

需要注意的是，put() 始終基于數組的 C-order 扁平索引（row-major flattened index）進行定位，而不考慮原數組的多維結構。

示例 2：

print(A)

輸出：

 [99  4]]

二維數組在內部按一維順序 [1,2,3,4]，故索引 2 對應元素 3。

示例 3：

# [20  1 30  3]

說明：當 ind 中出現重復位置時，后寫入的值會覆蓋前寫入的值。

put_along_axis()

沿指定軸根據索引寫入元素。

numpy.put_along_axis(arr, indices, values, axis)

參數說明：

? arr：輸入數組

? indices：索引數組

? values：要寫入的值

? axis：指定軸

示例：

print(A)

輸出：

 [88 50 60]]

第 0 行索引為 1，因此將 20 替換為 99；第 1 行索引為 0，因此將 40 替換為 88。

indices 的形狀應與 arr 在除 axis 外的各維相兼容，其作用是在指定軸上為每個位置提供寫入下標。

put_along_axis() 常與 argmax()、argsort() 等函數配合使用。

place()

根據條件替換數組中的元素。

numpy.place(arr, mask, vals)

參數說明：

? arr：輸入數組

? mask：布爾條件數組

? vals：替換值

示例：

print(a)

輸出：

[ 1  2  3 99 88]

滿足條件 a > 3 的元素被替換為指定值。

如果 vals 數量不足，NumPy 會循環使用這些值。

place() 會按一維遍歷順序將 vals 中的值依次填入 mask 為 True 的位置；若 vals 不足，則循環使用。

putmask()

根據條件掩碼替換數組中的元素。

numpy.putmask(arr, mask, values)

參數說明：

? arr：輸入數組（將被原地修改）

? mask：布爾條件數組

? values：替換值

該函數會將 mask 為 True 的位置替換為指定值。

示例 1：

print(a)

輸出：

[1 2 3 0 0]

滿足條件 a > 3 的元素被替換為 0。

示例 2：二維數組

print(A)

輸出：

 [-1 -1 -1]]

條件 A > 3 的位置全部被替換為 -1。

putmask() 更強調“按掩碼位置寫入”，其 values 會按廣播或重復規則作用到滿足條件的位置。

需要注意的是 putmask() 會直接修改原數組，而不是返回新數組。

如果希望返回新數組而不直接修改原數組，也可以使用 where()。它會根據條件在兩個候選值之間進行選擇，并生成新的結果數組。

示例：

print(B)

輸出：

 [-1 -1 -1]]

copyto()

將一個數組的數據復制到另一個數組中。

numpy.copyto(dst, src, casting='same_kind', where=True)

參數說明：

? dst：目標數組

? src：源數組

? where：條件掩碼

? casting：類型轉換規則

示例：

print(a)

輸出：

[ 1  2 30 40]

只有滿足條件 b > 20 的元素才會被復制到數組 a 中。

copyto() 常用于實現帶條件的批量賦值。它支持顯式控制類型轉換規則（如 casting），并按 NumPy 的廣播規則將源數據復制到目標數組中。

ufunc.at()（以 np.add.at() 為例）

對指定索引位置執行原地運算，尤其適用于處理重復索引時的累積寫入。

常見用法：

numpy.add.at(a, indices, b)

參數說明：

? a：目標數組（將被原地修改）

? indices：索引位置

? b：參與運算的值

示例：

# [2 0 1]

索引位置 0 出現兩次，因此對應元素被累加兩次；索引位置 2 出現一次，因此該位置加 1。

對比普通寫法：

# [1 0 1]

普通高級索引賦值在遇到重復索引時，結果通常不是逐次累積；而 np.add.at() 會逐次作用到每個索引位置，因此更適合統計、累計等場景。

補充說明：

at() 是通用函數（ufunc）的方法，而不是獨立模塊函數。

常見形式有：

np.minimum.at()

它主要用于需要“原地、逐次、可處理重復索引”的更新場景。

二、插入元素

insert()

在數組指定位置插入元素。

numpy.insert(arr, obj, values, axis=None)

參數說明：

? arr：輸入數組

? obj：插入位置

? values：插入的值

? axis：指定軸

示例 1：

np.insert(a, 2, 99)

輸出：

[ 1  2 99  3  4]

說明：在索引位置 2 插入元素 99。

示例 2：二維數組（指定軸）

np.insert(A, 1, [9, 9, 9], axis=0)

輸出：

 [4 5 6]]

在 axis=0（行方向）的索引 1 處插入新行 [9,9,9]。

需要注意的是，insert() 不會修改原數組，而是返回新的數組。

三、刪除元素

delete()

刪除數組中指定位置的元素。

numpy.delete(arr, obj, axis=None)

參數說明：

? arr：輸入數組

? obj：刪除位置

? axis：指定軸

示例 1：

np.delete(a, 1)

輸出：

[10 30 40]

刪除索引位置 1 的元素。

示例 2：二維數組（指定軸）

np.delete(A, 1, axis=1)

輸出：

 [4 6]]

在 axis=1（列方向）刪除索引 1 的列。

delete() 會返回新的數組，而不會修改原數組。

提示：

需要注意的是，insert() 與 delete() 在內部會創建新數組并復制數據，因此在大規模數據處理中性能較低。若需要頻繁修改數組結構，通常建議先使用 Python 列表構建數據，再轉換為 NumPy 數組。

四、數組填充

fill()

用指定值填充整個數組。

ndarray.fill(value)

參數說明：

? value：填充值

示例：

print(a)

輸出：

[0 0 0 0]

數組中的所有元素都會被替換為指定值。

提示：

fill() 是 ndarray 對象的方法，用于原地將數組所有元素填充為同一個值，而不是 numpy 模塊下的獨立函數。

小結

NumPy 提供了一組常用的數組修改函數，包括按索引寫入（put、put_along_axis）、按條件替換（place、putmask、copyto）、處理重復索引下的原地累積更新（如 np.add.at()）、結構調整（insert、delete）以及整體填充（fill）。需要特別注意的是，不同函數在是否原地修改、是否返回新數組以及性能特征上存在顯著差異。在實際應用中，應根據數據規模與計算方式選擇合適的操作，以兼顧表達清晰性與執行效率。

“點贊有美意，贊賞是鼓勵”