我有一个2D NumPy数组，想用255.0替换其中大于或等于阈值T的所有值。据我所知，最基本的方法是:
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
最简洁和python化的方法是什么? 是否有更快(可能不那么简洁和/或不那么python化)的方法来做到这一点?
这将是人类头部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。
当前回答
你可以考虑使用numpy.putmask:
np.putmask(arr, arr>=T, 255.0)
下面是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
其他回答
你也可以使用&，|(和/或)来获得更大的灵活性:
值在5到10之间:A[(A>5)&(A<10)]
值大于10或小于5:A[(A<5)|(A>10)]
Np.where()工作得很好!
np.where(arr > 255, 255, arr)
例子:
FF = np.array([[0, 0],
[1, 0],
[0, 1],
[1, 1]])
np.where(FF == 1, '+', '-')
Out[]:
array([['-', '-'],
['+', '-'],
['-', '+'],
['+', '+']], dtype='<U1')
你可以考虑使用numpy.putmask:
np.putmask(arr, arr>=T, 255.0)
下面是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
我认为最快和最简洁的方法是使用NumPy内置的Fancy索引。如果你有一个名为arr的ndarray，你可以用一个值x替换所有>255的元素，如下所示:
arr[arr > 255] = x
我在我的机器上运行了一个500 x 500的随机矩阵，将所有值>0.5替换为5，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
让我们假设您有一个numpy数组，其中包含从0到20的值，并且您想用0替换大于10的数字
import numpy as np
my_arr = np.arange(0,21) # creates an array
my_arr[my_arr > 10] = 0 # modifies the value
请注意，这将修改原始数组，以避免覆盖原始数组，尝试使用arr.copy()来创建一个新的原始数组的分离副本，并修改它。
import numpy as np
my_arr = np.arange(0,21)
my_arr_copy = my_arr.copy() # creates copy of the orignal array
my_arr_copy[my_arr_copy > 10] = 0
