如何用Python将NumPy数组中超过特定值的所有元素替换为特定值？

本文共计876个文字，预计阅读时间需要4分钟。

我有 一个2D（二维）NumPy 数组，希望用 255.0 替换大于或等于阈值 T 的所有值。已知最基本的方法是：shape=arr.shaperesult=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]=255.0

我有一个2D(二维) NumPy数组，并希望用255.0替换大于或等于阈值T的所有值。据我所知，最基础的方法是：

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

有更简洁和pythonic的方式来做到这一点吗？

有没有更快(可能不那么简洁和/或不那么pythonic)的方式来做到这一点？

这将成为人体头部MRI扫描窗口/等级调整子程序的一部分，2D numpy数组是图像像素数据。

最佳解决思路

我认为最快和最简洁的方法是使用Numpy的内置索引。如果您有名为arr的ndarray，则可以按如下所示将所有元素>255替换为值x：

arr[arr > 255] = x

我用500 x 500的随机矩阵在我的机器上运行了这个函数，用5替换了所有> 0.5的值，平均耗时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

次佳解决思路

因为实际上需要一个不同的数组，arr，其中arr < 255，可以简单地完成：

result = np.minimum(arr, 255)

更一般地，对于下限和/或上限：

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

如果只是想访问超过255的值，np.clip和np.minimum(或者np.maximum)对你的情况更好更快。

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

如果要执行in-place(即修改arr而不是创建result)，则可以使用np.minimum的out参数：

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

或者

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相同。)

对于in-place修改，布尔索引加速了很多(不必分别修改和拷贝)，但仍然不如minimum：

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

比较来看，如果你想限制你的最大值和最小值，没有clip将不得不像下面这样做两次

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

要么，

a[a>255] = 255
a[a<0] = 0

第三种解决思路

可以通过使用where功能来达到最快的速度：

例如，在numpy数组中查找大于0.2的项目，并用0代替它们：

import numpy as np nums = np.random.rand(4,3) print np.where(nums > 0.2, 0, nums)

第四种思路

可以考虑使用numpy.putmask：

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

下面是与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

以上这篇Python替换NumPy数组中大于某个值的所有元素实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持易盾网络。