Question

说，我有一个由10元素组成的numpy数组，例如：

a = np.array([2, 23, 15, 7, 9, 11, 17, 19, 5, 3])

现在我想有效地将所有a值设置为高于10到0，所以我会得到：

[2, 0, 0, 7, 9, 0, 0, 0, 5, 3]

因为我目前使用for循环，这非常慢：

# Zero values below "threshold value".
def flat_values(sig, tv):
    """
    :param sig: signal.
    :param tv: threshold value.
    :return:
    """
    for i in np.arange(np.size(sig)):
        if sig[i] < tv:
            sig[i] = 0
    return sig

如何以最有效的方式实现这一目标，考虑到10^6元素的大数组？

Answer 1

In [7]: a = np.array([2, 23, 15, 7, 9, 11, 17, 19, 5, 3])

In [8]: a[a > 10] = 0

In [9]: a
Out[9]: array([2, 0, 0, 7, 9, 0, 0, 0, 5, 3])

Answer 2

通常，列表推导比python中的for循环更快（因为python知道它不需要关心常规for循环中可能发生的很多事情）：

a = [0 if a_ > thresh for a_ in a]

但是，正如@unutbu正确pointed out，numpy允许列表索引，并且元素方式比较为您提供索引列表，所以：

super_threshold_indices = a > thresh
a[super_threshold_indices] = 0

会更快。

通常，在数据向量上应用方法时，请查看numpy.ufuncs，它通常比使用任何本机机制映射的python函数执行得更好。

Answer 3

如果您不想更改原始数组

In [1]: import numpy as np


In [2]: a = np.array([2, 23, 15, 7, 9, 11, 17, 19, 5, 3])


In [3]: b = a * (a <= 10)


In [4]: a

Out[4]: array([ 2, 23, 15,  7,  9, 11, 17, 19,  5,  3])


In [5]: b

Out[5]: array([2, 0, 0, 7, 9, 0, 0, 0, 5, 3])

Answer 4

从senddex在Youtube上从零开始的神经网络系列，他用np.maximum(0, [your array])把所有小于0的值都变成了0。

对于您的问题，我尝试了 np.minimum(10, [your array])，它似乎运行得非常快。我什至在一个 10e6 的数组（使用 50 * np.random.rand(10000000) 生成的均匀分布）上做了它，它在 0.039571 秒内工作。我希望这足够快。

如果numpy数组元素高于特定阈值，则将其设置为零

4 个答案: