布尔掩码是numpy用c实现的向量化操作，通过ufunc批量比较、避免python循环开销；必须用&/|/~组合条件，a[mask]原地赋值安全高效，二维过滤需轴对齐。
布尔掩码本质是C级向量化操作
它不是Python层面的“循环+判断”，而是NumPy用C实现的批量比较。当你写 a > 5，底层调用的是优化过的ufunc（通用函数），整列数据一次性送入CPU寄存器并行计算，避免了Python解释器逐个取值、判断、分支跳转的开销。
常见错误现象：用 for i in range(len(a)): 配合 if a[i] > 5: —— 这完全绕过了NumPy的向量化能力，退化为纯Python慢速路径。
- NumPy数组的内存是连续的，C层能高效利用CPU缓存行（cache line）
- 布尔掩码本身是
npy_bool类型数组，存储紧凑，索引时无类型转换成本 - 后续的
a[mask]是内存拷贝或视图（取决于是否可写），也由C实现，不经过Python对象层
多条件组合必须用 & | ~，不是 and or
and/or 是Python标量逻辑运算符，只能作用于单个True/False值；而 &/|/~ 是NumPy的逐元素位运算符，对应向量化逻辑。
典型错误：a > 2 and a 会直接抛出 <code>ValueError: The truth value of an array with more than one element is ambiguous。
- 正确写法必须加括号：
(a >= 2) & (a - 因为
&优先级高于，不加括号等价于 <code>a >= (2 & a) ，语义全错 - 二维数组过滤某列时，
a_2d[a_2d[:, 1] > 0]才是合法语法；误写成a_2d[a_2d[:, 1] > 0, :]可能触发高级索引歧义
布尔掩码比 np.argwhere 更快更安全
想替换满足条件的元素？别先用 np.argwhere 找坐标再赋值。它返回的是二维索引数组，直接用于索引可能被误解释为行索引（比如 [[1, 0]] 被当成取第1行和第0行），结果错得离谱。
快速生成专业的 Python 脚本和应用代码。一键创建完整项目结构，支持CLI、API、爬虫、Bot、Django等多种项目类型，包含完整的项目结构、配置文件、依赖管理、测试、README和文档。
而 a[mask] = value 是原子级操作：C层遍历掩码，对每个 True 位置原地写入，既无中间索引数组开销，也无索引语义歧义。
-
np.argwhere适合需要显式坐标（如绘图标记点）的场景，不是通用筛选工具 - 布尔掩码天然支持广播：
a[mask] += 1、a[mask] *= 2均可原地执行 - 内存上，掩码复用率高——同一
mask可同时用于多个数组：a[mask], b[mask], c[mask]
二维数组过滤容易维度错配
一维掩码不能直接套在二维数组上：a_2d[mask_1d] 会报 IndexError: boolean index did not match indexed array，除非你明确想按行筛选且掩码长度等于行数。
真正按列条件过滤行，必须确保掩码与要索引的轴对齐：
- 按第1列筛选所有行：
a_2d[a_2d[:, 1] > 0] - 按第0行筛选所有列：
a_2d[:, a_2d[0, :] - 想按多列联合条件？用
&组合：a_2d[(a_2d[:, 0] > 1) & (a_2d[:, 2]
最常被忽略的一点：布尔掩码的形状必须与被索引维度严格匹配，不能靠广播“凑合”——这是C层硬校验，出错就是运行时报错，没有容错余地。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
