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?
-
有没有更快(可能不那么简洁和/或更少pythonic)的方式来做到这一点?
这将是用于人体头部的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 .
6 回答
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
ndarray
名为arr
,则可以使用值x
替换所有元素>255
,如下所示:我在我的机器上用500 x 500随机矩阵运行它,用5替换所有值> 0.5,平均花费7.59ms .
因为你实际上想要一个不同的数组
arr
,其中arr < 255
和255
否则,这可以简单地完成:更一般地说,对于较低和/或上限:
如果您只想访问超过255的值,或更复杂的值,@ mtitan8的答案更为通用,但
np.clip
和np.minimum
(或np.maximum
)更适合您的情况:如果你想在原地进行(即修改
arr
而不是创建result
),你可以使用np.minimum
的out
参数:要么
(
out=
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(不必单独制作然后修改副本),但仍然没有
minimum
那么快:为了进行比较,如果你想用最小值和最大值限制你的值,没有
clip
,你必须做两次,比如像要么,
我认为你可以通过使用
where
函数实现最快:例如,在numpy数组中查找大于0.2的项并将其替换为0:
您可以考虑使用 numpy.putmask :
这是与Numpy的内置索引的性能比较:
另一种方法是使用
np.place
进行就地替换并使用多维数组: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)]
值大于10或小于5:
A[(A<5)|(A>10)]