replace大于某个值的Python NumPy数组的所有元素
我有一个2D NumPy数组，并希望用255.0replace大于或等于阈值T的所有值。 据我所知，最根本的方法是：
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 -
什么是最简洁和pythonic的方式来做到这一点？
-
有没有更快（可能不那么简洁和/或pythonicless）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 numpyarrays是图像像素数据。
我认为最快和最简洁的方法是使用Numpy的内置索引。 如果你有一个名为arr的ndarray你可以用值xreplace所有>255元素，如下所示：
arr[arr > 255] = x
我用500×500的随机matrix在我的机器上运行这个，用5代替所有> 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
因为你实际上需要一个不同的数组， arr < 255 ， arr < 255是arr < 255 ，否则，这可以简单地完成：
result = np.minimum(arr, 255)
更一般地，对于下限和/或上限：
result = np.clip(arr, 0, 255)
如果你只想访问255以上的值，或者更复杂的话，@ mtitan8的答案更一般，但是np.clip和np.minimum （或np.maximum ）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
如果你想在原地进行（即修改arr而不是创buildresult ），可以使用np.minimum的out参数：
np.minimum(arr, 255, out=arr)
要么
np.clip(arr, 0, 255, arr)
（ out= name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，布尔索引加速了很多（不必分别修改和拷贝），但是仍然没有minimum速度：
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
为了比较，如果你想限制你的价值观以及最大限度的，没有clip你将不得不这样做两次，有像
np.minimum(a, 255, a) np.maximum(a, 0, a)
要么，
a[a>255] = 255 a[a<0] = 0
你可以考虑使用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
我认为你可以通过使用where函数来达到最快的效果：
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)
