使用pandas：

import pandas as pd

out_arr = (pd.Series(start_arr).where(start_arr>0)
           .ffill().fillna(start_value, downcast='infer').to_numpy()
           )

输出：

array([12, 12, 12, 12,  2,  2,  1, 70, 70, 70,  2])

一个numpy方法（灵感来自this answer）：

a = np.r_[start_value, start_arr]
# array([ 12. ,  -2. ,  -4. , -60. ,  -0.5,   2. ,   2. ,   1. ,  70. ,
#         -2. ,  -5. ,   2. ])

idx = np.maximum.accumulate(np.where(a>0, np.arange(a.shape[0]), 0))
# array([ 0,  0,  0,  0,  0,  5,  6,  7,  8,  8,  8, 11])

out_arr = a[idx][1:]
# array([12., 12., 12., 12.,  2.,  2.,  1., 70., 70., 70.,  2.])

您可以为输出数组中的每个值构建一个源索引数组。源索引是前一个正值的索引。您可以在将负位置的索引归零后使用numpy.maximum.accumulate函数计算这些索引。
在此之后，可以单独处理前导负项。

import numpy as np

start_value = 12
start_arr = np.array([-2, -4, -60, -0.5, 2, 2, 1, 70, -2, -5, 2])

source     = np.arange(start_arr.size)                 # all indices
source[start_arr <= 0] = 0                             # zero out negatives
out_arr    = start_arr[np.maximum.accumulate(source)]  # assign from source
out_arr[out_arr<=0] = start_value                      # leading negatives 

print(out_arr)

# [12. 12. 12. 12.  2.  2.  1. 70. 70. 70.  2.]

以下是我的解决方案，只使用Numpy（用任何你想要的东西改变12）：
'''
import numpy as np
array = np.array（[-2，-4，-60，-0.5，2，2，1，70，-2，-5，2]）
替换= 12
为真时：

Ind = np.argmax(array<= 0)

if Ind>0 or replacement == 12:

    if replacement == 12:

        array[Ind]  = replacement

        replacement = None

    else:

        array[Ind]  = array[Ind-1]

else:

    break

'''