Question

问题：我想将Numpy数组的每个元素与float进行比较，返回一个值较小的数组。例如，使用输入：

import numpy as np
input_a = 3
input_b = np.array([1,2,3,4,5])

输出应为

output = np.array([1,2,3,3,3])

我目前的解决方案是使用只有常量的新np.array，然后使用np.minimum（）。

c = np.copy(input_b)
c.fill(input_a)
output = np.minimum(input_b, c)

但是，我担心这不是最有效的解决方案。是否有更优雅/有效的方法来实现这一目标？

Answer 1

您最好的选择是使用logical indexing.

import numpy as np
input_a = 3
input_b = np.array([1,2,3,4,5])

input_b[input_b > input_a] = input_a

print(input_b)
# [1 2 3 3 3]

input_b > input_a将返回一个True或False值的掩码数组，在这种情况下，如果input_b中的对应元素大于input_a，则该元素将为True。然后，您可以使用它来索引input_b并仅修改这些值。

请注意，使用逻辑索引比使用numpy.where对此特定数组更快，但我无法准确地告诉您原因。

setup = 'from __main__ import np, input_a, input_b'
print(timeit.timeit('input_b[input_b > input_a] = input_a', setup=setup)) 
# 2.2448947575996456
print(timeit.timeit('np.where(input_b < input_a, input_b, input_a)', setup=setup)) 
# 5.35540746395358

Answer 2

我认为np.minimum适用于此操作：

>>> np.minimum(input_b, 3)
array([1, 2, 3, 3, 3])

如果您想直接修改input_b，请使用out关键字参数以成对的最小值填充input_b。

>>> np.minimum(input_b, 3, out=input_b)
>>> input_b
array([1, 2, 3, 3, 3])

这比使用布尔索引然后分配值更快：

>>> %timeit input_b[input_b > input_a] = input_a
100000 loops, best of 3: 4.16 µs per loop

>>> %timeit np.minimum(input_b, 3, out=input_b)
100000 loops, best of 3: 2.53 µs per loop

Answer 3

这样做的一个方法就是使用numpy.where：

>>> np.where(input_b < input_a, input_b, input_a)
array([ 1.,  2.,  3.,  3.,  3.])

这里我们传递numpy.where三个参数，其中第一个是input_b < input_a的布尔数组。每当第一个参数中的值为True时，我们从第二个参数（input_b）获取相应索引处的值。否则，我们取值为input_a。

修改：事实上，正如@ Kasra的回答所示，您可以直接传递input_a，而无需将其转换为np.array。

Answer 4

您可以使用numpy.where：

>>> np.where(input_b < input_a, input_b, input_a)
array([1, 2, 3, 3, 3])

Answer 5

有一个内置功能：clip

output = input_b.clip(max=input_a)

或者如果您想要设置input_b本身

np.clip(input_b, None, out=input_b)

此处它与minimum相同，但它也可以在同一个调用中执行maximum。某些版本接受max关键字，其他版本则不接受。

在我的时间内，

clip在minimum之上有一个适度的优势。但是我建议哪一个看起来最清楚。

从Numpy数组和浮点数的元素中获得最小值

5 个答案: