最安全高效的是 np.maximum(arr, 0)，逐元素取 arr 与 0 的较大值，不修改原数组；内存受限时可用 out=arr 复用内存；相比 np.where 和 np.clip 更简洁高效。
用 np.maximum 一行搞定，最安全高效
直接用 np.maximum(arr, 0)，它会逐元素比较数组和标量 0，返回较大值。这比布尔索引或 np.where 更快，且不修改原数组（返回新数组），避免意外副作用。
常见错误是写成 arr[arr ——这虽能就地修改，但触发完整布尔索引拷贝+赋值，在大数组上内存开销翻倍；若 <code>arr 是只读视图（比如切片），还会抛出 ValueError: assignment destination is read-only。
-
np.maximum自动广播，支持任意维度、任意 dtype（包括int、float） - 如果必须就地修改，先确认
arr.flags.writeable为True，再用布尔索引 - 对超大数组（如 >10GB），可加
out=arr参数复用内存：np.maximum(arr, 0, out=arr)
为什么不用 np.where 或 np.clip？
np.where(arr 功能等价，但多一次布尔计算（生成临时 <code>arr 的 bool 数组），内存和速度都不如 <code>np.maximum；np.clip(arr, 0, None) 看似简洁，但底层仍做上下界判断，且 None 在旧版 NumPy 中可能触发警告。
-
np.clip的第二个参数是下界，第三个是上界；设上界为None表示不限制，但某些 NumPy 版本（如 1.21 之前）对None处理不一致 -
np.where在条件复杂时有用，但单条件置零属于“过杀”——多分配一个布尔数组，纯属浪费 - 实测 100M 元素 float64 数组，
np.maximum比np.where快约 15%，内存峰值低 400MB
处理特殊 dtype：整数溢出与浮点符号零
当数组是 uint8 等无符号类型时，负数本身不可能存在，无需操作；但若 dtype 是 int8 且含负数（如 -128），np.maximum(arr, 0) 仍正确返回 0，不会溢出——因为 0 被自动提升为相同 dtype。
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）”；
- 注意
float32/float64中的-0.0：它和0.0在np.maximum下结果一致，都是0.0（IEEE 754 规定） - 若原始数据来自文件或硬件，含异常值（如
np.nan或np.inf），np.maximum会保留它们（np.maximum(np.nan, 0) == np.nan），需提前用np.nan_to_num处理
就地修改前务必检查 writeable 标志
很多用户卡在这一步：从 HDF5、内存映射（np.memmap）或图像库（如 cv2.imread）读出的数组默认 writeable=False，直接 arr[arr 报错。
- 查状态：
print(arr.flags.writeable) - 临时放开（仅当确定安全）：
arr.setflags(write=True)，但对 memmap 或共享内存可能引发未定义行为 - 更稳妥做法：用
np.maximum得到新数组后，显式复制回原位置（若需保持变量名）：arr[:] = np.maximum(arr, 0)
边界情况容易被忽略：比如用 arr[::2] 切片传入函数，返回的视图可能不可写，但错误信息不提示来源——建议所有预处理前先做 arr = np.asarray(arr).copy() 显式脱钩。
