替换Python NumPy数组中所有大于某个值的元素

我有一个2D NumPy数组，并希望将大于或等于阈值T的所有值替换为255.0。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. 什么是最简洁，最pythonic的方法？

2. 有更快的方法（可能不太简洁和/或更少的pythonic）来做到这一点吗？

这将是用于人头MRI扫描的窗口/水平调整子程序的一部分。2D numpy数组是图像像素数据。

我认为最快和最简洁的方法是使用NumPy内置的Fancy indexing。如果您具有ndarraynamed arr，则可以将所有元素替换>255为一个值x，如下所示：

arr[arr > 255] = x

我使用500 x 500随机矩阵在计算机上运行此命令，将所有> 0.5的值替换为5，平均花费了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

由于您实际上想要的是arrwhere 的其他数组arr < 255，255否则可以简单地完成此操作：

result = np.minimum(arr, 255)

更一般而言，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，或者更复杂的值，则@ mtitan8的回答更为笼统，但对于您的情况，np.clipand和np.minimum（或np.maximum）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

如果您想就地进行操作（即修改arr而不是创建result），则可以使用out参数np.minimum：

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

要么

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

（out=名称是可选的，因为参数与函数定义的顺序相同。）

对于就地修改，布尔索引可以提高很多速度（无需分别制作然后修改副本），但是仍然不如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，如果您想限制最小值和最大值，而无需clip两次，例如

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

要么，

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

我认为您可以使用以下where功能最快地实现此目的：

例如，在numpy数组中查找大于0.2的项并将其替换为0：

import numpy as np

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

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

您可以考虑使用numpy.putmask：

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

这是与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

另一种方法是使用np.place它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)

你也可以使用&，|（和/或）有更多的灵活性：

介于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)]