替换 NumPy 数组中大于某个值的所有元素

问题描述：

我有一个 2D NumPy 数组。如何用值替换其中所有大于阈值T = 255的值x = 255？一种基于 for 循环的慢速方法是：

# arr = arr.copy()  # Optionally, do not modify original arr.

for i in range(arr.shape[0]):
    for j in range(arr.shape[1]):
        if arr[i, j] > 255:
            arr[i, j] = x

解决方案 1：

我认为最快和最简洁的方法是使用 NumPy 内置的 Fancy 索引。如果您有一个ndarray命名的arr，您可以>255用值替换所有元素，x如下所示：

arr[arr > 255] = x

我在我的计算机上用 500 x 500 的随机矩阵运行了这个程序，将所有 >0.5 的值替换为 5，平均花费 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

解决方案 2：

如果您想要一个包含每当result的副本的新数组，否则：arr`arr < 255`255

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，或者更复杂的东西，@mtitan8 的答案更通用，但是np.clip和np.minimum（或np.maximum）对于您的情况来说更好，速度更快：

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

如果您想就地执行此操作（即修改arr而不是创建result），则可以使用out以下参数np.minimum：

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

或者

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

（out=由于参数的顺序与函数的定义相同，因此名称是可选的。）

对于就地修改，布尔索引速度加快了很多（无需单独制作然后修改副本），但仍然不如minimum：

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

为了进行比较，如果你想用最小值和最大值来限制你的值，那么clip你就必须这样做两次，例如

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

或者，

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

解决方案 3：

我认为你可以使用以下where功能以最快的速度实现这一点：

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)

解决方案 4：

另一种方法是使用np.place进行就地替换并与多维数组一起使用：

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)

解决方案 5：

您可以考虑使用numpy.putmask：

np.putmask(arr, arr>=T, 255.0)

以下是与 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

解决方案 6：

您还可以使用&，|（和/或）以获得更大的灵活性：

5 至 10 之间的值：A[(A>5)&(A<10)]

大于 10 或小于 5 的值：A[(A<5)|(A>10)]

解决方案 7：

np.where() 效果很好！

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')

解决方案 8：

假设你有一个numpy数组，其中包含从 0 到 20 的值，并且你想用 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()创建原始数组的新分离副本并对其进行修改。

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