我有一個2D(二維) NumPy數組，并希望用255.0替換大于或等于閾值T的所有值。據我所知，最基礎的方法是：

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

有更簡潔和pythonic的方式來做到這一點嗎？

有沒有更快(可能不那么簡潔和/或不那么pythonic)的方式來做到這一點？

這將成為人體頭部MRI掃描窗口/等級調整子程序的一部分，2D numpy數組是圖像像素數據。

最佳解決思路

我認為最快和最簡潔的方法是使用Numpy的內置索引。如果您有名為arr的ndarray，則可以按如下所示將所有元素>255替換為值x：

arr[arr > 255] = x

我用500 x 500的隨機矩陣在我的機器上運行了這個函數，用5替換了所有> 0.5的值，平均耗時7.59ms。

In [1]: import numpy as npIn [2]: A = np.random.rand(500, 500)In [3]: timeit A[A > 0.5] = 5100 loops, best of 3: 7.59 ms per loop

次佳解決思路

因為實際上需要一個不同的數組，arr，其中arr < 255，可以簡單地完成：

result = np.minimum(arr, 255)

更一般地，對于下限和/或上限：

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

如果只是想訪問超過255的值，np.clip和np.minimum(或者np.maximum)對你的情況更好更快。

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

如果要執行in-place(即修改arr而不是創建result)，則可以使用np.minimum的out參數：

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

或者

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

(out=名稱是可選的，因為參數的順序與函數的定義相同。)

對于in-place修改，布爾索引加速了很多(不必分別修改和拷貝)，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

比較來看，如果你想限制你的最大值和最小值，沒有clip將不得不像下面這樣做兩次

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

要么，

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

第三種解決思路

可以通過使用where功能來達到最快的速度：

例如，在numpy數組中查找大于0.2的項目，并用0代替它們：

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

第四種思路

可以考慮使用numpy.putmask：

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

下面是與Numpy內置索引的性能比較：

In [1]: import numpy as npIn [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] = 51000 loops, best of 3: 1.82 ms per loop

以上這篇Python替換NumPy數組中大于某個值的所有元素實例就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持好吧啦網。