首页 文章

替换大于某个值的Python NumPy Array的所有元素

提问于
浏览 次
136

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 .

python arrays numpy replace condition

6 回答

  • 39

    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：

    arr[arr > 255] = x

    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 .

    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
    回复于
  • 7

    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：

    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的答案更为通用，但 np.clip 和 np.minimum （或 np.maximum ）更适合您的情况：

    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：

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

    要么

    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：

    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

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

    要么，

    a[a>255] = 255
a[a<0] = 0
    回复于
  • 5

    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：

    import numpy as np

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

print np.where(nums > 0.2, 0, nums)
    回复于
  • 1

    您可以考虑使用 numpy.putmask ：

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

    这是与Numpy的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
    回复于
  • 239

    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)
    回复于
  • 8

    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)]

    回复于

相关问题