Question

我有一个数组n x m，每列的最大值。除了检查每个元素之外，更换大于最大值的值的最佳方法是什么？

例如：

def check_limits(bad_array, maxs):
    good_array = np.copy(bad_array)
    for i_line in xrange(bad_array.shape[0]):
        for i_column in xrange(bad_array.shape[1]):
            if good_array[i_line][i_column] >= maxs[i_column]:
                good_array[i_line][i_column] = maxs[i_column] - 1
    return good_array

无论如何要更快更简洁地完成这项工作？

Answer 1

使用putmask：

import numpy as np

a = np.array([[ 0,  1,  2,  3],
              [ 4,  5,  6,  7],
              [ 8,  9, 10, 11]])
m = np.array([7,6,5,4])

# This is what you need:

np.putmask(a, a >= m, m - 1)

# a is now:

np.array([[0, 1, 2, 3],
          [4, 5, 4, 3],
          [6, 5, 4, 3]])

Answer 2

如果我们不对bad_array的结构做任何假设，那么你的代码就是对手论证的最佳选择。如果我们知道每列按升序排序，那么一旦我们达到高于最大值的值，那么我们就知道该列中的每个后续元素也高于限制，但如果我们没有这样的假设，我们只需要检查每一个。

如果您决定先对每一列进行排序，则需要（n列* nlogn）时间，该时间已经大于检查每个元素所需的n * n时间。

您还可以通过一次检查和复制一个元素来创建good_array，而不是复制bad_array中的所有元素并在以后检查它们。这应该大致减少0.5倍的时间

Answer 3

如果列数不大，则一个优化是：

def check_limits(bad_array, maxs):
    good_array = np.copy(bad_array)
    for i_column in xrange(bad_array.shape[1]):
        to_replace = (good_array[:,i_column] >= maxs[i_column])
        good_array[to_replace, i_column] = maxs[i_column] - 1
    return good_array

Answer 4

另一种方法是使用clip函数：

使用eumiro的例子：

bad_array = np.array([[ 0,  1,  2,  3],
                      [ 4,  5,  6,  7],
                      [ 8,  9, 10, 11]])
maxs = np.array([7,6,5,4])

good_array = bad_array.clip(max=maxs-1)

OR

bad_array.clip(max=maxs-1, out=good_array)

您还可以通过添加参数min =

来指定下限

替换numpy数组中大于限制的值

4 个答案: