np.where(condition, x, y)中condition必须为布尔数组，x和y可广播，返回新数组；多条件优先用np.select，避免嵌套；注意维度对齐与dtype推断。
NumPy where 函数怎么写对：别把条件和替换值顺序搞反
np.where 的签名是 np.where(condition, x, y)，不是 np.where(condition, true_value, false_value) —— 这俩看着像，但 x 和 y 是数组（或标量），会广播参与计算。很多人卡在第一步：传了三个标量以为能“原地替换”，结果返回的是新数组，且形状由广播规则决定。
常见错误现象：np.where(arr > 5, 99, arr) 想把大于 5 的元素换成 99，却误写成 np.where(arr > 5, 99, 0)，导致全数组变成 99 或 0，丢失原值。
- 条件必须是布尔数组，
arr > 5可以，arr[arr > 5]不行（那是索引，不是条件） -
x和y可以是标量、同形数组、或可广播的数组（比如x=99是标量，y=arr是原数组，合法） - 返回值永远是新数组，不会修改原
arr；如需就地修改，得赋值回原变量：arr = np.where(...)
用 where 做多条件替换：嵌套 or 链式？选后者更清晰
两个以上分支时，嵌套 np.where（比如 np.where(a>10, 1, np.where(a>5, 2, 0))）语法合法，但可读性差、易出括号错。更推荐用布尔组合 + 逐层覆盖，或直接用 np.select。
例如：将数组按区间映射为类别码（0–5→0，6–10→1，11+→2）：
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
立即学习“Python免费学习笔记（深入）”；
cond1 = arr <= 5 cond2 = (arr > 5) & (arr <= 10) # 注意用 &，不是 and cond3 = arr > 10 result = np.select([cond1, cond2, cond3], [0, 1, 2], default=-1)
-
np.select的条件列表必须互斥（或按顺序匹配第一个为 True 的），不互斥时只取首个命中项 - 用
&/|/~拼布尔条件，绝不用and/or（会报ValueError: The truth value of an array with more than one element is ambiguous） - 如果坚持用嵌套
where，建议拆成变量分步写，避免一行嵌三层
性能陷阱：where 在大数组上广播 x 或 y 会吃内存
当 x 或 y 是跟原数组同 shape 的数组时，np.where 内部要复制/广播它们参与三元运算——这会瞬间多占一倍内存。例如：np.where(mask, big_arr * 2, big_arr) 中，big_arr * 2 会新建一个同样大小的临时数组。
- 若只是替换少量值，优先用布尔索引直接赋值：
arr[mask] = 99（就地、无额外内存） - 若必须用
where做复杂逻辑，且x/y是计算结果，考虑用np.copyto+out参数控制输出位置 - 注意
dtype自动推断：若x是int、y是float，结果会升为float64，可能影响后续计算精度或内存占用
为什么 where 返回值有时 shape 不对？检查布尔条件是否被误广播
典型问题：arr 是 (100, 3) 数组，mask = arr[:, 0] > 5 得到 (100,) 布尔向量，但 np.where(mask, val1, val2) 报错或返回奇怪 shape —— 因为 mask 和 arr 维度不匹配，where 尝试广播失败。
- 确保
condition的 shape 能与x、y广播对齐；最稳妥是让condition和x/y同 shape - 用
np.expand_dims或切片加None对齐维度，比如mask[:, None]把 (100,) 变成 (100, 1)，就能和 (100, 3) 的arr广播 - 调试时先打印
mask.shape、x.shape、y.shape，比猜快得多
真正麻烦的从来不是语法记不住，而是布尔条件维度没对齐，或者以为 where 会就地改原数组——它不会，连 dtype 都可能悄悄变。
