替换大于某个值的Python NumPy Array的所有元素

Question

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

1. 什么是最简洁和pythonic的方式来做到这一点？
2. 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。

Answer 1

我认为最快和最简洁的方法是使用NumPy的内置Fancy索引。如果你有一个名为ndarray的arr，你可以用值>255替换所有元素x，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

Answer 2

既然你真的想要一个不同的数组，那就是arr，arr < 255和255，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，或者更复杂的东西，@ 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out的np.minimum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，布尔索引加速了很多（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

为了比较，如果你想用最小值和最大值来限制你的值，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

Answer 3

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)

Answer 4

你可以考虑使用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

Answer 5

另一种方法是使用qazxsw poi进行就地替换并使用多维数组：

np.place

Answer 6

您还可以使用

import numpy as np

arr = np.arange(6).reshape(2, 3)
np.place(arr, arr == 0, -10)

，&（和/或）来获得更大的灵活性：

5到10之间的值：|

值大于10或小于5：A[(A>5)&(A<10)]