Question

我有一个2D NumPy数组，并希望将其中的所有值替换为大于或等于阈值T的255.0。据我所知，最基本的方式是：

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

最简洁和pythonic的方法是什么？
是否有更快（可能不那么简洁和/或更少pythonic）的方法呢？

这将是用于人体头部MRI扫描的窗口/水平调整子程序的一部分。 2D numpy数组是图像像素数据。

Answer 1

我认为最简单，最简洁的方法是使用NumPy的内置Fancy索引。如果您的ndarray名为arr，则可以使用值>255替换所有元素x，如下所示：

arr[arr > 255] = x

我在我的机器上运行了500 x 500随机矩阵，将所有值＆gt; 0.5替换为5，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

Answer 2

由于您实际上想要一个arr其中arr < 255和255的其他数组，否则可以这样做：

result = np.minimum(arr, 255)

更一般地说，对于较低和/或上限：

result = np.clip(arr, 0, 255)

如果您只想访问超过255的值或更复杂的值，@ mtitan8的答案更为一般，但np.clip和np.minimum（或np.maximum）更好，更多更快的情况：

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

如果您想就地执行此操作（即修改arr而不是创建result），您可以使用out的{{1}}参数：

np.minimum

或

np.minimum(arr, 255, out=arr)

（np.clip(arr, 0, 255, arr)名称是可选的，因为参数的顺序与函数的定义相同。）

对于就地修改，布尔索引加速很多（无需单独制作然后修改副本），但仍然没有out=那么快：

minimum

为了进行比较，如果您想要将值限制为最小值和最大值，而不使用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，则必须执行此操作两次，例如

clip

或，

np.minimum(a, 255, a)
np.maximum(a, 0, a)

Answer 3

我认为使用where函数可以实现最快：

例如，在numpy数组中查找大于0.2的项目并将其替换为0：

import numpy as np

nums = np.random.rand(4,3)

print np.where(nums > 0.2, 0, nums)

Answer 4

您可以考虑使用 numpy.putmask ：

np.putmask(arr, arr>=T, 255.0)

这是与Numpy内置索引的性能比较：

In [1]: import numpy as np
In [2]: A = np.random.rand(500, 500)

In [3]: timeit np.putmask(A, A>0.5, 5)
1000 loops, best of 3: 1.34 ms per loop

In [4]: timeit A[A > 0.5] = 5
1000 loops, best of 3: 1.82 ms per loop

Answer 5

另一种方法是使用np.place进行就地替换并使用多维数组：

import numpy as np

arr = np.arange(6).reshape(2, 3)
np.place(arr, arr == 0, -10)

Answer 6

您还可以使用&，|（和/或）来获得更大的灵活性：

5到10之间的值：A[(A>5)&(A<10)]

大于10或小于5的值：A[(A<5)|(A>10)]

Answer 7

让我们假设您有一个numpy数组，该数组包含从0一直到20的值，并且您想用0替换大于10的数字

import numpy as np

my_arr = np.arange(0,21) # creates an array
my_arr[my_arr > 10] = 0 # modifies the value

但是请注意，这将修改原始数组，以避免覆盖原始数组，请尝试使用arr.copy()创建原始数组的新分离副本并进行修改。

import numpy as np

my_arr = np.arange(0,21)
my_arr_copy = my_arr.copy() # creates copy of the orignal array

my_arr_copy[my_arr_copy > 10] = 0

替换大于某个值的Python NumPy Array的所有元素

7 个答案: