我正在尝试使用内存映射数组来处理应用程序中的内存问题。但是，作为我计算的一部分，我需要将数组中的某些值设置为0.不幸的是，数组掩码需要额外的内存。有没有办法做以下事情，以便干净地处理面具？
source_array = numpy.memmap(filename, dtype='float32', mode='w+', shape=shape)
#Load data into memory mapped numpy array
band.ReadAsArray(buf_obj = source_array)
#set values == 255 to 0
numpy.putmask(source_array, source_array >= 255.0, 0.0)
我相信source_array >= 255.0的最后一行必须在内存中创建一个大数组，对吧？除了手动循环遍历每个元素外，还有一种内存有效的机制可以将source_array中的所有255个值设置为0吗？
答案 0 :(得分：2)
很抱歉意识到当然重新映射掩码并不是最佳解决方案。 Numpy并没有太大帮助以块的形式循环遍历数组（这将是最干净的方式），尽管你当然可以手工完成。实际上你可能在numexpr取得了一些成功，它总是用块来计算加速numpy，但我没试过。
我想这不是你想要的：
您总是可以使用out参数ufunc和许多其他函数来让numpy直接将结果存储到该数组中（通常也可以节省内存）。这意味着如果您创建一个空的内存映射数组，则可以执行此操作：
# You could use tempfile.NamedTemporaryFile. But I will leave that to you:
mask = np.memmap(tempfile, shape=source_array.shape, dtype=bool, mode='w+')
np.greater_equal(source_array, 255.0, out=mask)
然后使用mask中的putmask数组。这应该可以解决问题。