替换Python NumPy数组中所有大于某个值的元素
替换Python NumPy数组中所有大于某个值的元素
提问于 2013-10-30 02:42:54
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- 执行此操作的最简洁和pythonic式的方式是什么？
- 是否有更快的方式(可能不那么简洁和/或pythonic式的方式)？
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。
回答 8
Stack Overflow用户
回答已采纳
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 loopStack Overflow用户
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] = 0Stack Overflow用户
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)页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/19666626
复制相关文章
相似问题