替换大于某个值的 Python NumPy 数组的所有元素

Question

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

1. 执行此操作的最简洁和 Pythonic 的方法是什么？

2. 是否有更快（可能不那么简洁和/或不那么 Pythonic）的方法来做到这一点？

这将是人体头部 MRI 扫描的窗口/水平调整子程序的一部分。二维numpy数组是图像像素数据。

Answer 1

np.where() 效果很好！

np.where(arr > 255, 255, arr)

示例：

FF = np.array([[0, 0],
              [1, 0],
              [0, 1],
              [1, 1]])
np.where(FF == 1, '+', '-')
Out[]: 
array([['-', '-'],
       ['+', '-'],
       ['-', '+'],
       ['+', '+']], dtype='<U1')

Answer 2

让我们假设您有一个 numpy 数组，其中包含从 0 一直到 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

但请注意，这将修改原始数组以避免覆盖原始数组尝试使用arr.copy() 创建原始数组的新分离副本并进行修改。

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 

Answer 3

另一种方法是使用 np.place 进行就地替换并适用于多维数组：

import numpy as np

# create 2x3 array with numbers 0..5
arr = np.arange(6).reshape(2, 3)

# replace 0 with -10
np.place(arr, arr == 0, -10)

Answer 4

我认为最快和最简洁的方法是使用 NumPy 的内置 Fancy 索引。如果您有一个名为 arr 的 ndarray，则可以将所有元素 >255 替换为值 x，如下所示：

arr[arr > 255] = x

我在我的机器上使用 500 x 500 的随机矩阵运行此程序，将所有 >0.5 的值替换为 5，平均耗时 7.59 毫秒。

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 5

您还可以使用&、|（和/或）以获得更大的灵活性：

5 到 10 之间的值：A[(A>5)&(A<10)]

大于 10 或小于 5 的值：A[(A<5)|(A>10)]

Answer 6

我认为使用where 函数可以最快地实现这一点：

例如在 numpy 数组中查找大于 0.2 的项目并将其替换为 0：

import numpy as np

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

print np.where(nums > 0.2, 0, nums)

Answer 7

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

Answer 8

由于您实际上想要一个不同的数组，即 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，对于下限和/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 的答案更笼统，但np.clip 和np.minimum（或np.maximum）对您的情况更好更快：

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

如果您想就地执行（即修改 arr 而不是创建 result），您可以使用 np.minimum 的 out 参数：

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

或

np.clip(arr, 0, 255, arr)

（out= 名称是可选的，因为参数的顺序与函数定义的顺序相同。）

对于就地修改，布尔索引加快了很多（无需单独制作然后修改副本），但仍然不如minimum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限制你的值，没有clip，你必须这样做两次，类似于

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

或者，

a[a>255] = 255
a[a<0] = 0