我有一个2D NumPy数组,希望将其中大于或等于阈值T的所有值替换为255.0。据我所知,最基本的方法是:
shape = arr.shape
result = np.zeros(shape)
for x in range(0, shape[0]):
for y in range(0, shape[1]):
if arr[x, y] >= T:
result[x, y] = 255
这将是用于人头MRI扫描的窗口/水平调整子例程的一部分。2Dnumpy数组是图像像素数据。
发布于 2013-10-30 02:46:06
我认为最快也是最简洁的方法就是使用NumPy内置的Fancy索引。如果您有一个名为arr
的ndarray
,则可以将所有元素>255
替换为值x
,如下所示:
arr[arr > 255] = x
我用一个500x500的随机矩阵在我的机器上运行了这个过程,用5替换了所有>0.5的值,平均花费了7.59ms。
In [1]: import numpy as np
In [2]: A = np.random.rand(500, 500)
In [3]: timeit A[A > 0.5] = 5
100 loops, best of 3: 7.59 ms per loop
发布于 2013-10-30 03:47:27
由于您实际上需要一个不同的数组,其中arr < 255
为arr
,否则为255
,因此可以简单地完成此操作:
result = np.minimum(arr, 255)
更一般地,对于下界和/或上界:
result = np.clip(arr, 0, 255)
如果你只想访问超过255的值,或者更复杂的东西,@mtitan8的答案更一般,但对于你的情况,np.clip
和np.minimum
(或np.maximum
)更好,速度也更快:
In [292]: timeit np.minimum(a, 255)
100000 loops, best of 3: 19.6 µs per loop
In [293]: %%timeit
.....: c = np.copy(a)
.....: c[a>255] = 255
.....:
10000 loops, best of 3: 86.6 µs per loop
如果要就地执行此操作(即,修改arr
而不是创建result
),可以使用np.minimum
的out
参数
np.minimum(arr, 255, out=arr)
或
np.clip(arr, 0, 255, arr)
( out=
名称是可选的,因为参数的顺序与函数的定义顺序相同。)
对于就地修改,布尔索引大大加快了速度(无需单独制作和修改副本),但仍然不如minimum
快
In [328]: %%timeit
.....: a = np.random.randint(0, 300, (100,100))
.....: np.minimum(a, 255, a)
.....:
100000 loops, best of 3: 303 µs per loop
In [329]: %%timeit
.....: a = np.random.randint(0, 300, (100,100))
.....: a[a>255] = 255
.....:
100000 loops, best of 3: 356 µs per loop
作为比较,如果您想用最小值和最大值来限制您的值,如果没有clip
,您将不得不这样做两次,如下所示
np.minimum(a, 255, a)
np.maximum(a, 0, a)
或,
a[a>255] = 255
a[a<0] = 0
发布于 2017-01-10 05:13:27
我认为使用where
函数可以最快地实现这一点:
例如,在numpy数组中查找大于0.2的项,并将其替换为0:
import numpy as np
nums = np.random.rand(4,3)
print np.where(nums > 0.2, 0, nums)
https://stackoverflow.com/questions/19666626
复制相似问题