Ganti semua elemen Python NumPy Array yang lebih besar dari beberapa nilai

Saya memiliki array NumPy 2D dan ingin mengganti semua nilai di dalamnya lebih besar atau sama dengan ambang T dengan 255.0. Sepengetahuan saya, cara yang paling mendasar adalah:

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. Apa cara paling ringkas dan pythonic untuk melakukan ini?

2. Apakah ada cara yang lebih cepat (mungkin kurang ringkas dan / atau kurang pythonic) untuk melakukan ini?

Ini akan menjadi bagian dari subroutine penyesuaian level / jendela untuk pemindaian MRI kepala manusia. Array numpy 2D adalah data piksel gambar.

Saya pikir cara tercepat dan paling ringkas untuk melakukan ini adalah dengan menggunakan pengindeksan NumPy bawaan. Jika Anda memiliki ndarraynama arr, Anda dapat mengganti semua elemen >255dengan nilai xsebagai berikut:

arr[arr > 255] = x

Saya menjalankan ini pada mesin saya dengan matriks acak 500 x 500, mengganti semua nilai> 0,5 dengan 5, dan butuh rata-rata 7,59 ms.

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

Karena Anda sebenarnya menginginkan array yang berbeda di arrmana arr < 255, dan 255sebaliknya, ini bisa dilakukan dengan mudah:

result = np.minimum(arr, 255)

Secara umum, untuk batas bawah dan / atau atas:

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

Jika Anda hanya ingin mengakses nilai lebih dari 255, atau sesuatu yang lebih rumit, jawaban @ mtitan8 lebih umum, tetapi np.clipdan np.minimum(atau np.maximum) lebih baik dan lebih cepat untuk kasus Anda:

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

Jika Anda ingin melakukannya di tempat (yaitu, memodifikasi arralih-alih membuat result) Anda dapat menggunakan outparameter np.minimum:

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

atau

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

( out=nama bersifat opsional karena argumen dalam urutan yang sama dengan definisi fungsi.)

Untuk modifikasi di tempat, pengindeksan boolean mempercepat banyak (tanpa harus membuat dan kemudian memodifikasi salinan secara terpisah), tetapi masih tidak secepat 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

Sebagai perbandingan, jika Anda ingin membatasi nilai Anda dengan minimum dan maksimum, tanpa clipAnda harus melakukan ini dua kali, dengan sesuatu seperti

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

atau,

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

Saya pikir Anda dapat mencapai ini dengan tercepat menggunakan wherefungsi:

Misalnya mencari item yang lebih besar dari 0,2 dalam array numpy dan menggantikannya dengan 0:

import numpy as np

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

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

Anda dapat mempertimbangkan menggunakan numpy.putmask :

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

Berikut adalah perbandingan kinerja dengan pengindeksan bawaan 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

Cara lain adalah dengan menggunakan np.placeyang melakukan penggantian di tempat dan bekerja dengan array multidimensi:

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)

Anda juga dapat menggunakan &, |(dan / atau) untuk lebih banyak fleksibilitas:

nilai antara 5 dan 10: A[(A>5)&(A<10)]

nilai lebih besar dari 10 atau lebih kecil dari 5: A[(A<5)|(A>10)]