在 NumPy 中，數組（ndarray）中的數據不僅可以被訪問，還可以通過賦值操作直接被修改。所謂“數組元素修改”，是指在不重新創建結果數組的情況下，通過索引、切片或條件篩選等方式，直接改變數組中某些元素的值。

與 Python 列表類似，NumPy 允許通過下標定位后進行賦值；但與普通列表不同的是，NumPy 的修改行為同時受到數組形狀（shape）、數據類型（dtype）、廣播機制（broadcasting）以及視圖（view）與副本（copy）關系的影響。因此，理解數組元素修改，不只是學習“怎樣賦值”，更重要的是理解“賦值如何作用到內存中的真實數據”。

NumPy 中，不使用專門函數的數組元素修改，通常可以分為以下幾類：

（1）單個元素修改

（2）切片區域修改

（3）多維局部區域修改

（4）布爾條件修改

（5）整數數組索引位置修改

（6）基于視圖的間接修改

這些方式共同構成了 NumPy 中最常見的原地數據更新機制。

一、單個元素修改

最基本的數組修改方式，是通過整數索引定位單個元素，然后直接賦新值。

1、修改一維數組中的單個元素

示例：

# [10 99 30 40]

a[1] = 99 表示將索引位置為 1 的元素改寫為 99。

NumPy 也支持負索引，因此可以從數組末尾開始修改元素。

示例：

# [10 99 30  0]

a[-1] 表示最后一個元素，因此該語句將最后一個元素改寫為 0。

2、修改多維數組中的單個元素

對于多維數組，可以使用逗號分隔的多維索引定位某個具體位置。

示例：

#  [ 4  5  6]]

a[0, 1] 表示第 0 行第 1 列的元素，因此該位置的值由 2 改為 99。

3、賦值時的數據類型轉換

NumPy 數組中的元素類型通常是統一的，因此賦值時，新值需要能夠轉換為數組的 dtype。如果可以轉換，則按該類型存儲；如果不能安全轉換，則可能報錯或發生截斷。

示例：

# [3 2 3]

數組類型為整數，3.8 在賦值時會被轉換為整數，因此結果為 3，而不是 3.8。

再如：

# 會報錯：字符串無法轉換為整數

提示：

數組修改時，目標值必須與數組的數據類型兼容。否則賦值可能失敗，或產生類型截斷現象。

二、切片區域修改

切片不僅可以用于訪問連續區域，也可以直接用于批量修改數組中的一段連續元素。

1、使用標量修改一段連續元素

示例：

# [1 0 0 0 5]

a[1:4] 表示索引 1 到 3 的元素。將其整體賦值為標量 0 時，NumPy 會把該標量擴展到切片區域中的每個位置。

這本質上體現了廣播機制在賦值中的應用。

2、使用序列修改一段連續元素

示例：

# [ 1 20 30 40  5]

切片長度為 3，因此右側賦值對象也必須能與長度 3 匹配。這里 [20, 30, 40] 與切片長度一致，所以逐元素完成替換。

如果長度不一致，則通常會報錯。比如：

# 通常會報錯：無法把長度為 2 的序列賦給長度為 3 的切片

3、帶步長切片的修改

示例：

# [9 1 9 3 9 5]

a[::2] 表示所有偶數位置元素。賦值為 9 后，這些位置全部被改寫。

也可以用等長序列進行替換。

示例：

# [10  1 20  3 30  5]

a[::2] 共選中 3 個位置，因此右側序列長度也必須為 3。

4、反向切片修改

示例：

# [1 2 3 4 5]

因為左側是反向視圖 a[::-1]，右側序列會按該反向順序依次寫入原數組對應位置，所以最終原數組變為 [1, 2, 3, 4, 5]。

由于反向切片仍然指向原數組，因此修改會直接作用到原數組。

三、多維局部區域修改

對于二維及更高維數組，可以通過多維切片修改某一行、某一列或某個子區域。

1、修改整行

示例：

#  [ 7  8  9]]

a[1] 表示第 1 行。由于這一行長度為 3，因此可以用長度為 3 的序列整體替換。

也可以賦一個標量：

#  [7 8 9]]

標量會被廣播到整行。

2、修改整列

示例：

#  [ 7 80  9]]

a[:, 1] 表示第 1 列，共有 3 個元素，因此右側序列長度必須與之匹配。

同樣也可以賦標量：

#  [ 7 -1  9]]

標量會被廣播到該列中的每個位置，因此這一列全部被改寫為 -1。

3、修改子數組區域

示例：

#  [7 8 9]]

a[0:2, 1:3] 選中前兩行、后兩列構成的一個 2×2 子區域。將其賦值為標量 0 時，整個區域都會被改寫。

也可以用形狀匹配的二維數據進行替換。

示例：

#  [ 7  8  9]]

右側數組形狀為 (2, 2)，與切片區域形狀一致，因此可以逐元素對應賦值。

4、多維賦值中的廣播

在多維數組修改中，只要右側數據形狀與目標區域兼容，就可以發生廣播。

示例：

#  [10 20 30]]

左側區域形狀為 (2, 3)，右側一維數組形狀為 (3,)。NumPy 會將右側按行廣播到每一行，因此兩行都被替換為 [10, 20, 30]。

再如：

#  [200   5   6]]

a[:, :1] 的形狀為 (2, 1)，右側形狀也為 (2, 1)，因此能夠準確對應賦值。

四、布爾條件修改

布爾條件修改，是指先通過條件表達式構造布爾數組，再將條件為 True 的位置統一改寫。這是數據清洗與條件替換中最常見的修改方式之一。

1、根據條件修改一維數組

示例：

# [1 2 3 0 0]

表達式 a > 3 會生成如下布爾數組：

[False, False, False, True, True]

然后只對其中為 True 的位置賦值 0。

2、根據條件修改二維數組

示例：

#  [-1  5 -1]]

條件 a % 2 == 0 會生成與原數組同形狀的布爾數組。所有滿足條件的偶數元素都會被替換為 -1。

3、多條件組合修改

示例：

# [ 1  2 99 99 99  6]

這里用 & 將兩個布爾條件組合起來，表示同時滿足“大于 2”且“小于 6”的元素會被改寫為 99。

提示：

對數組條件進行組合時，應使用 & 和 |，而不能使用 Python 的 and 和 or。同時，每個條件表達式通常都應使用括號包裹。

4、布爾修改的本質

布爾索引在“取值”時返回的是副本；但在“賦值”語境中，a[mask] = value 的含義不是“先取出副本再修改副本”，而是“將右側值寫回到原數組中滿足條件的位置”。

這說明：

b = a[a > 3] 得到的是一個新數組；

a[a > 3] = 0 則是對原數組中對應位置進行原地寫入。

這一點非常重要。

示例：

# [1 2 3 0 0]

前者修改的是副本 b；后者修改的是原數組 a 中滿足條件的位置。

五、整數數組索引位置修改

除了用切片修改連續區域，也可以用整數數組索引修改若干不連續位置。

1、修改一維數組中的多個離散位置

示例：

# [99 20 99 40 99]

整數數組 [0, 2, 4] 指定了要修改的離散位置。這些位置都會被改寫為 99。

也可以逐個賦不同的值。

示例：

# [100  20 300  40 500]

右側序列長度與被選中的位置數量一致，因此可以逐位置賦值。

2、修改二維數組中的指定位置

示例：

#  [50  6]]

這里兩個整數數組共同決定若干坐標位置：

a[2, 0]

它們分別被賦值為 20 和 50。

3、重復索引的賦值現象

當整數數組索引中出現重復位置時，賦值結果需要特別小心。

示例：

# [20  1 30  3]

位置 0 被寫入了兩次，后一次賦值覆蓋前一次賦值，因此最終為 20。

這說明整數數組索引賦值是“按索引位置寫回原數組”的過程；若目標位置重復，后寫入的值會覆蓋前寫入的值。

六、通過視圖進行間接修改

NumPy 中，基本切片通常返回視圖。視圖本身不復制數據，而是與原數組共享同一塊內存。因此，修改視圖往往也會連帶修改原數組。

1、切片視圖修改原數組

示例：

# [ 1 99  3  4  5]

b 不是獨立副本，而是 a[1:4] 形成的視圖。因此修改 b[0]，實際上也就是修改 a[1]。

2、多維切片視圖的修改傳播

示例：

#  [ 4  5  6]]

b = a[:, 1:] 選中的是后兩列，通常仍為視圖，因此對 b 的修改會反映到原數組 a 中。

3、何時需要顯式復制

如果希望修改某個局部區域，但又不影響原數組，應先復制再改。

示例：

# [1 2 3 4 5]

.copy() 會創建一個獨立的新數組，因此后續修改不會再影響原數組。

七、修改時的形狀匹配與廣播規則

數組賦值不是任意進行的。左側目標區域與右側賦值對象之間，必須滿足形狀匹配或廣播兼容關系。

1、完全同形狀賦值

示例：

#  [30 40]]

左右兩側形狀一致，因此可以逐元素賦值。

2、標量廣播賦值

示例：

#  [0 0]]

標量可以廣播到任意形狀的目標區域。

3、可廣播形狀賦值

示例：

#  [7 8 9]]

右側形狀為 (3,)，可按行廣播到左側形狀 (2, 3)。

4、形狀不兼容時會報錯

示例：

# 通常會報錯：形狀不匹配，無法廣播到 (2, 3)

右側長度為 2，無法與 (2, 3) 的目標區域對齊，因此賦值失敗。

提示：

在數組修改中，右側值既可以是標量，也可以是數組或序列；關鍵不在于“類型是否一樣”，而在于“形狀是否兼容”。

八、數組元素修改的常見注意事項

1、基本切片修改通常是原地修改

如：

a[1:4] = 0

這類寫法通常直接作用于原數組，不會額外生成新的數據塊。

2、視圖修改可能產生連帶影響

如果某個變量只是原數組的視圖，那么修改它時，原數組也會隨之改變。因此在數據預處理過程中，應特別留意“是否共享內存”。

3、高級索引的取值結果與賦值語義要區分

比如，b = a[[1, 3]] 得到的是副本；a[[1, 3]] = 0 則表示修改原數組中對應位置。這兩者不能混為一談。

4、賦值要關注 dtype

如果數組是整數類型，那么浮點數、小數、字符串等在賦值時可能發生截斷、轉換失敗或報錯。因此在修改前，應清楚數組的 dtype。

5、賦值要關注 shape

當右側不是標量時，應檢查其形狀能否與左側目標區域一致或廣播兼容。必要時可以先查看：

print(value.shape)

以確認賦值是否成立。

九、數組元素修改相關函數

除了使用索引、切片和條件表達式直接修改數組元素外，NumPy 還提供了一組專門用于元素替換、條件寫入和局部更新的函數或方法。

? 條件選擇與條件寫入：where()、putmask()、copyto()、place()

? 按位置寫入元素：put()

? 基于索引進行局部更新：put_along_axis()

? 指定區域填充值：fill()

? 處理重復索引的累積寫入：ufunc.at()（如 np.add.at()）

這些函數共同構成了 NumPy 數組修改操作的重要工具體系。

詳情請參閱：

小結

NumPy 的數組元素修改，本質上是通過索引表達式將新值寫入數組的指定位置。單元素賦值、切片賦值、條件修改與多維局部更新，都建立在統一的索引機制之上。需要特別注意的是，修改行為不僅受索引方式影響，還與數組的 dtype、shape、廣播規則以及 view/copy 關系密切相關。理解這些規則，是安全而高效地處理數組數據的重要基礎。

“點贊有美意，贊賞是鼓勵”