您好,登錄后才能下訂單哦!
這篇文章主要講解了Python如何替換NumPy數(shù)組中大于某個值的所有元素,內(nèi)容清晰明了,對此有興趣的小伙伴可以學(xué)習(xí)一下,相信大家閱讀完之后會有幫助。
我有一個2D(二維) NumPy數(shù)組,并希望用255.0替換大于或等于閾值T的所有值。據(jù)我所知,最基礎(chǔ)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
有更簡潔和pythonic的方式來做到這一點嗎?
有沒有更快(可能不那么簡潔和/或不那么pythonic)的方式來做到這一點?
這將成為人體頭部MRI掃描窗口/等級調(diào)整子程序的一部分,2D numpy數(shù)組是圖像像素數(shù)據(jù)。
最佳解決思路
我認(rèn)為最快和最簡潔的方法是使用Numpy的內(nèi)置索引。如果您有名為arr的ndarray,則可以按如下所示將所有元素>255替換為值x:
arr[arr > 255] = x
我用500 x 500的隨機(jī)矩陣在我的機(jī)器上運行了這個函數(shù),用5替換了所有> 0.5的值,平均耗時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
次佳解決思路
因為實際上需要一個不同的數(shù)組,arr,其中arr < 255,可以簡單地完成:
result = np.minimum(arr, 255)
更一般地,對于下限和/或上限:
result = np.clip(arr, 0, 255)
如果只是想訪問超過255的值,np.clip和np.minimum(或者np.maximum)對你的情況更好更快。
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
如果要執(zhí)行in-place(即修改arr而不是創(chuàng)建result),則可以使用np.minimum的out參數(shù):
np.minimum(arr, 255, out=arr)
或者
np.clip(arr, 0, 255, arr)
(out=名稱是可選的,因為參數(shù)的順序與函數(shù)的定義相同。)
對于in-place修改,布爾索引加速了很多(不必分別修改和拷貝),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
比較來看,如果你想限制你的最大值和最小值,沒有clip將不得不像下面這樣做兩次
np.minimum(a, 255, a)
np.maximum(a, 0, a)
要么,
a[a>255] = 255
a[a<0] = 0
第三種解決思路
可以通過使用where功能來達(dá)到最快的速度:
例如,在numpy數(shù)組中查找大于0.2的項目,并用0代替它們:
import numpy as np nums = np.random.rand(4,3) print np.where(nums > 0.2, 0, nums)
第四種思路
可以考慮使用numpy.putmask:
np.putmask(arr, arr>=T, 255.0)
下面是與Numpy內(nèi)置索引的性能比較:
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
看完上述內(nèi)容,是不是對Python如何替換NumPy數(shù)組中大于某個值的所有元素有進(jìn)一步的了解,如果還想學(xué)習(xí)更多內(nèi)容,歡迎關(guān)注億速云行業(yè)資訊頻道。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報,并提供相關(guān)證據(jù),一經(jīng)查實,將立刻刪除涉嫌侵權(quán)內(nèi)容。