Thay thế tất cả các phần tử của Python NumPy Array lớn hơn một số giá trị

Tôi có một mảng NumPy 2D và muốn thay thế tất cả các giá trị trong nó lớn hơn hoặc bằng ngưỡng T bằng 255.0. Theo hiểu biết của tôi, cách cơ bản nhất sẽ là:

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. Cách ngắn gọn và pythonic nhất để làm điều này là gì?

2. Có cách nào nhanh hơn (có thể ít súc tích hơn và / hoặc ít pythonic hơn) để làm điều này không?

Đây sẽ là một phần của chương trình con điều chỉnh cửa sổ / cấp độ để quét MRI đầu người. Mảng 2D numpy là dữ liệu pixel hình ảnh.

Tôi nghĩ cả hai cách nhanh nhất và ngắn gọn nhất để làm điều này là sử dụng lập chỉ mục Fancy tích hợp của NumPy. Nếu bạn có ndarraytên arr, bạn có thể thay thế tất cả các thành phần >255bằng một giá trị xnhư sau:

arr[arr > 255] = x

Tôi đã chạy nó trên máy của mình với ma trận ngẫu nhiên 500 x 500, thay thế tất cả các giá trị> 0,5 bằng 5 và mất trung bình 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

Vì bạn thực sự muốn một mảng khác nhau arrở đâu arr < 255, và 255nếu không, điều này có thể được thực hiện đơn giản:

result = np.minimum(arr, 255)

Tổng quát hơn, cho giới hạn dưới và / hoặc trên:

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

Nếu bạn chỉ muốn truy cập các giá trị trên 255 hoặc một cái gì đó phức tạp hơn, câu trả lời của @ mtitan8 thì chung chung hơn, np.clipvà np.minimum(hoặc np.maximum) đẹp hơn và nhanh hơn cho trường hợp của bạn:

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

Nếu bạn muốn thực hiện tại chỗ (nghĩa là sửa đổi arrthay vì tạo result), bạn có thể sử dụng outtham số của np.minimum:

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

hoặc là

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

( out=tên là tùy chọn vì các đối số theo cùng thứ tự với định nghĩa của hàm.)

Để sửa đổi tại chỗ, lập chỉ mục boolean tăng tốc rất nhiều (không cần phải thực hiện và sau đó sửa đổi bản sao riêng biệt), nhưng vẫn không nhanh như 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

Để so sánh, nếu bạn muốn hạn chế các giá trị của mình ở mức tối thiểu cũng như tối đa, nếu không clipbạn sẽ phải làm điều này hai lần, với một cái gì đó như

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

hoặc là,

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

Tôi nghĩ bạn có thể đạt được điều này nhanh nhất bằng cách sử dụng wherechức năng:

Ví dụ: tìm kiếm các mục lớn hơn 0,2 trong một mảng gọn gàng và thay thế các mục bằng 0:

import numpy as np

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

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

Bạn có thể xem xét sử dụng numpy.putmask :

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

Dưới đây là so sánh hiệu suất với lập chỉ mục dựng sẵn của Numpy:

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

Một cách khác là sử dụng np.placethay thế tại chỗ và hoạt động với các mảng đa chiều:

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)

Bạn cũng có thể sử dụng &, |(và / hoặc) để linh hoạt hơn:

giá trị từ 5 đến 10: A[(A>5)&(A<10)]

các giá trị lớn hơn 10 hoặc nhỏ hơn 5: A[(A<5)|(A>10)]