您可以通过创建第三个dtype uint8数组，再加上一个bool数组(它们一起比一个uint16数组更节省内存)。

^{}对于避免临时数组很有用。a = np.array([100, 200, 250], dtype=np.uint8)

b = np.array([50, 50, 50], dtype=np.uint8)

c = 255 - b # a temp uint8 array here

np.putmask(a, c < a, c) # a temp bool array here

a += b

然而，正如@moarningsun正确指出的那样，bool数组占用的内存量与uint8数组相同，因此这并不一定有用。可以通过避免在任何给定时间有多个临时数组来解决这个问题：a = np.array([100, 200, 250], dtype=np.uint8)

b = np.array([50, 50, 50], dtype=np.uint8)

b = 255 - b # old b is gone shortly after new array is created

np.putmask(a, b < a, b) # a temp bool array here, then it's gone

a += 255 - b # a temp array here, then it's gone

这种方法用内存消耗换取CPU。

另一种方法是预先计算所有可能的结果，即O(1)额外的内存(即独立于数组的大小)：c = np.clip(np.arange(256) + np.arange(256)[..., np.newaxis], 0, 255).astype(np.uint8)

c

=> array([[ 0, 1, 2, ..., 253, 254, 255],

[ 1, 2, 3, ..., 254, 255, 255],

[ 2, 3, 4, ..., 255, 255, 255],

...,

[253, 254, 255, ..., 255, 255, 255],

[254, 255, 255, ..., 255, 255, 255],

[255, 255, 255, ..., 255, 255, 255]], dtype=uint8)

c[a,b]

=> array([150, 250, 255], dtype=uint8)

如果数组很大，这种方法是最节省内存的。同样，它在处理时间上也很昂贵，因为它用较慢的2dim数组索引代替了超快速的整数加法。

解释它的工作原理

上面的c数组的构造使用了numpy广播技巧。添加一个形状数组(N,)和形状数组(1,N)广播都是(N,N)样的，因此结果是所有可能和的NxN数组。然后，我们剪辑它。我们得到一个2dim数组，它满足每个i，j的c[i,j]=min(i+j,255)

然后剩下的就是使用花哨的索引来获取正确的值。使用您提供的输入，我们可以访问：c[( [100, 200, 250] , [50, 50, 50] )]

第一个索引数组引用第一个维度，第二个索引数组引用第二个维度。因此，结果是一个与索引数组((N,))形状相同的数组，由值[ c[100,50] , c[200,50] , c[250,50] ]组成。