如何用Numpy实现阈值滤波?

内容来源于 Stack Overflow,并遵循CC BY-SA 3.0许可协议进行翻译与使用

  • 回答 (2)
  • 关注 (0)
  • 查看 (25)

我需要过滤一个数组来删除低于某个阈值的元素。我目前的代码如下:

threshold = 5
a = numpy.array(range(10)) # testing data
b = numpy.array(filter(lambda x: x >= threshold, a))

问题是,这会使用带有lambda函数的筛选器创建一个临时列表。

因为这是一个非常简单的操作,也许有一个numpy函数可以高效地完成它,但是我一直找不到它。

我认为实现这一目标的另一种方法可能是对数组进行排序,找到阈值的索引,并从该索引开始返回一个片段,但是即使对于小输入(而且无论如何也不会引起注意),它的效率随着输入大小的增加而逐渐降低。

我也做了一些测量,当输入为100.000.000个条目时,排序+切片仍然是纯python过滤器的两倍,如下:

In [321]: r = numpy.random.uniform(0, 1, 100000000)

In [322]: %timeit test1(r) # filter
1 loops, best of 3: 21.3 s per loop

In [323]: %timeit test2(r) # sort and slice
1 loops, best of 3: 11.1 s per loop

In [324]: %timeit test3(r) # boolean indexing
1 loops, best of 3: 1.26 s per loop
提问于
用户回答回答于

添加到

@yosukesabai

使用Diffrent变量很重要,因为这将返回一个空数组:

im=im[im>167]
用户回答回答于

b = a[a>threshold]这应该可以

我测试了如下:

import numpy as np, datetime
# array of zeros and ones interleaved
lrg = np.arange(2).reshape((2,-1)).repeat(1000000,-1).flatten()

t0 = datetime.datetime.now()
flt = lrg[lrg==0]
print datetime.datetime.now() - t0

t0 = datetime.datetime.now()
flt = np.array(filter(lambda x:x==0, lrg))
print datetime.datetime.now() - t0

我有:

$ python test.py
0:00:00.028000
0:00:02.461000

http://docs.scipy.org/doc/numpy/user/basics.indexing.html#boolean-or-mask-index-arrays

扫码关注云+社区