替换大于某个值的 Python NumPy 数组的所有元素

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

我用 500 x 500 随机矩阵在我的机器上运行这个，用 5 替换所有 >0.5 的值，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

---

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）对于您的情况更好更快：

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

如果您想就地进行（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)

或者

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（不必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来限制你的值，如果没有 clip，你将不得不这样做两次，比如

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

或者，

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

---

我认为您可以使用 where 函数最快地实现这一点：

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)

---

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)

---

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

---

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)]

---

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

但是请注意，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改为修改它。

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 

---

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')

---