如何在numpy中映射二维数组？答案

【问题标题】：How to map a 2d array in numpy?如何在numpy中映射二维数组？
【发布时间】：2021-08-24 22:55:00
【问题描述】：

我想将图像的像素映射到 0 和 1。像素存储在一个 numpy 数组中，如下所示：

[[0, 255, 0, 255,...], [0, 255, 0, 255, 0, ...], ...]

我想将此数组映射到一个新数组，新数组的每个元素x 都是f(x)，这里是f = lambda x: 1 if x > 127 else 0。

我想知道如何在 numpy 中执行此操作，但没有找到可靠的答案。我也想知道什么时候数组的维数增加了，这个答案还能用吗？

【问题讨论】：

(arr > 127).astype(int)
我只是不明白如何在多维数组中应用它
这可能行得通，但其他功能呢？

标签： python numpy data-science

【解决方案1】：

np.where(myArray > 127, 1, 0)

至于在 numpy 数组中映射任意函数：有几种方法，但它们在性能和灵活性方面都有缺点。缓慢的 NumPy 方式是：

@np.vectorize # make f a ufunc
def f(x):
    if x > 127:
        return 1
    else:
        return 0

f(myArray)

现在，您可以使用 Numba 使其更快（甚至比 np.where 更快，因为它不会多次遍历数组的元素）：

import numba as nb

@nb.vectorize # also makes f a ufunc but it compiles f
def f(x):
    if x > 127:
        return 1
    else:
        return 0

f(myArray)

但正如我在 cmets 中所说，Numba 版本在类型调度方面存在问题；当您对两个不同数值类型的数组进行数学运算时，这很容易成为一个问题。您还受限于 Numba 编译器可以使用的有限 Python；你的例子很简单，不需要任何编辑。

【讨论】：

谢谢，它将帮助我解决当前的问题。但是其他功能呢？
因此，在 NumPy 数组中“映射”或更准确地“广播”的函数称为 ufunc。您可以使用numpy.vectorize 在标量上从 Python 函数创建一个 ufunc，但速度很慢（NumPy 的 ufunc 很快，因为它的所有标量函数都在 C 中）。有一些库可用于制作快速 ufunc，但它要么变得非常不符合 Python，要么严重限制了 Python。我之前尝试过 Numba，但我发现 numba.vectorize 在调度到预期类型时存在问题，所以我最终只使用 Numba 编写简单的循环，这对于矢量化 NumPy 来说很棘手。
如果我是正确的，vectorize 使标量函数成为一个 ufunc，它接受一个数组而不是单个项目。但我的问题是我不知道如何将其扩展到多维数组（例如简单形式的 2d）
如果能举个例子就好了
哦，一个 ufunc 需要一个任意维度（1d、2d、3d、n-d）的 NumPy 数组。

【解决方案2】：

朋友，你可以这样做：

def f(x):
  pass

uf = np.vectorize(f)
uf(numarray)

它将应用于所有元素。我也对二维数组进行了测试。

【讨论】：