如果满足条件，则在 3D 数组中替换 2D 子数组

这是获得所需内容的矢量化方式。
以a你的例子为例：

a[(a < 0.2).any(axis=1).any(axis=1)] = 0.2
print(a)

给出：

array([[[ 0.2       ,  0.2       ,  0.2       ],
        [ 0.2       ,  0.2       ,  0.2       ],
        [ 0.2       ,  0.2       ,  0.2       ]],

       [[ 0.28983508,  0.31122743,  0.67818926],
        [ 0.42720309,  0.24416101,  0.5469823 ],
        [ 0.22894097,  0.76159389,  0.80416832]],

       [[ 0.25661154,  0.64389696,  0.37555374],
        [ 0.87871659,  0.27806621,  0.3486518 ],
        [ 0.26388296,  0.8993144 ,  0.7857116 ]]])

解释：

再举一个例子，其中每一步都会更加清晰：

a = np.array([[[0.51442898, 0.90447442, 0.45082496],
               [0.59301203, 0.30025497, 0.43517362],
               [0.28300437, 0.64143037, 0.73974422]],
              [[0.228676  , 0.59093859, 0.14441217],
               [0.37169639, 0.57230533, 0.81976775],
               [0.95988687, 0.43372407, 0.77616701]],
              [[0.03098771, 0.80023031, 0.89061113],
               [0.86998351, 0.39619143, 0.16036088],       
               [0.24938437, 0.79131954, 0.38140462]]])

让我们看看哪些元素小于 0.2：

print(a < 0.2)

给出：

array([[[False, False, False],
        [False, False, False],
        [False, False, False]],

       [[False, False,  True],
        [False, False, False],
        [False, False, False]],

       [[ True, False, False],
        [False, False,  True],
        [False, False, False]]])

从这里我们想得到那些至少有一个True元素的二维数组的索引：[False, True, True]。我们np.any为此需要。请注意，我将在np.ndarray.any这里使用方法链而不是嵌套np.any. ¹

现在只使用(a < 0.2).any()将给出只是True因为默认情况下它在所有维度上执行逻辑或。我们必须指定axis参数。在我们的例子中，我们可以使用axis=1或axis=2。²

print((a < 0.2).any(axis=1))

给出³：

array([[False, False, False],
       [False, False,  True],
       [ True, False,  True]])

从这里我们通过.any()沿行应用另一个布尔索引来获得所需的布尔索引：

print((a < 0.2).any(axis=1).any(axis=1))

给出：

array([False,  True,  True])

最后，我们可以简单地使用这个布尔索引数组来替换原始数组的值：

a[(a < 0.2).any(axis=1).any(axis=1)] = 0.2
print(a)

给出：

array([[[0.51442898, 0.90447442, 0.45082496],
        [0.59301203, 0.30025497, 0.43517362],
        [0.28300437, 0.64143037, 0.73974422]],

       [[0.2       , 0.2       , 0.2       ],
        [0.2       , 0.2       , 0.2       ],
        [0.2       , 0.2       , 0.2       ]],

       [[0.2       , 0.2       , 0.2       ],
        [0.2       , 0.2       , 0.2       ],
        [0.2       , 0.2       , 0.2       ]]])

¹只是比较链接：

a[(a < 0.2).any(axis=1).any(axis=1)] = 0.2

带嵌套：

a[np.any(np.any(a < 0.2, axis=1), axis=1)] = 0.2

我认为后者更令人困惑。

²对我来说，这起初很难理解。帮助我的是绘制一个 3x3x3 立方体的图像，打印不同轴的结果，并检查哪个轴对应哪个方向。此外，这里是np.sum在 3D 情况下使用轴的说明：numpy 多维数组中的轴。

³可以期望立即获得[False, True, True]，但情况并非如此。有关解释，请参阅：矩阵的 numpy.any 上的小说明