这是一种方法-
mask = np.isnan(arr)idx = np.where(~mask,np.arange(mask.shape[1]),0)np.maximum.accumulate(idx,axis=1, out=idx)out = arr[np.arange(idx.shape[0])[:,None], idx]
如果您不想创建另一个数组，而只是
arr自己填写NaN ，请用以下命令替换最后一个步骤-
arr[mask] = arr[np.nonzero(mask)[0], idx[mask]]
样本输入，输出-
In [179]: arrOut[179]: array([[ 5., nan, nan, 7., 2., 6., 5.], [ 3., nan, 1., 8., nan, 5., nan], [ 4., 9., 6., nan, nan, nan, 7.]])In [180]: outOut[180]: array([[ 5., 5., 5., 7., 2., 6., 5.], [ 3., 3., 1., 8., 8., 5., 5.], [ 4., 9., 6., 6., 6., 6., 7.]])
