使用 numpy 数组的每个元素的乘法/加法答案

【问题标题】：Per element multiplication/addition with numpy arrays使用 numpy 数组的每个元素的乘法/加法
【发布时间】：2019-08-15 13:33:49
【问题描述】：

我遇到了一个奇怪的问题。

有一个图像，我只需要重新计算非零像素。我想通过numpy 来做这件事，因为我处理了数千张图片，而且我需要它的速度。

这是一个具有较低维度的简化示例。

假设我有以下矩阵：

[[0,  0,  1],
 [0,  2,  0],
 [0,  6,  0]]

假设我想将每个值乘以 2.0 并添加 0.5。

matrix = matrix * 2.0 + 0.5

结果是：

[[0.5,  0.5,   2.5],
 [0.5,  4.5,   0.5],
 [0.5,  12.5,  0.5]]

我希望它是：

[[0,  0,   2.5],
 [0,  4.5,   0],
 [0,  12.5,  0]]

显然，我可以在 for 循环中使用 if pixel == 0: continue 执行此操作，但这会非常慢。而且我无法摆脱只剩下规范化组件的添加。

所以我一直在想，可以通过numpy 完成吗？

【问题讨论】：

标签： python python-3.x numpy slice numpy-ndarray

【解决方案1】：

您可以使用np.where 来根据指定条件从 x 或 y 中进行选择：

a = np.array([[0,  0,  1],
              [0,  2,  0],
              [0,  6,  0]])

np.where(a!=0, a*2. + 0.5, a)

array([[ 0. ,  0. ,  2.5],
       [ 0. ,  4.5,  0. ],
       [ 0. , 12.5,  0. ]])

【讨论】：

太好了，这正是我想要的！
不会 np.where(np.logical_or(a e), a*2. + 0.5, a) 其中 e 是一个接近于零的浮点数，标记从哪里可以认为该值等于零的阈值更好？或者 numpy 是否已经考虑到这一点并且可能有一个参数来调整它？

【解决方案2】：

另一种方法是：

matrix = matrix * 2.0 + 0.5 * (matrix!=0)

【讨论】：

【解决方案3】：

您可能有兴趣了解使用np.where 的另一种方式。在这里检查值是否小于 1，将它们分配给 0

matrix = matrix*2 + 0.5
np.where(matrix<1, 0, matrix)
# array([[ 0. ,  0. ,  2.5],
#        [ 0. ,  4.5,  0. ],
#        [ 0. , 12.5,  0. ]])

【讨论】：