如何为2d NumPy数组中的nd值创建掩码？

Question

如果我想根据2d数组中的1d值创建遮罩：

a = np.array([[3, 5], [7, 1]])
threshold = 2
mask = a > threshold
print(a)
print(mask)

我得到：

[[3 5]
 [7 2]]
[[ True  True]
 [ True False]]

如何为具有nd值的2d数组创建这样的蒙版？类似于以下2d数组中2d值和2d阈值的示例：

b = np.array([[[1, 5], [3, 5]], [[4, 4], [7, 2]]])
threshold = 2, 4
print(b)

看起来像这样：

[[[1 5]
  [3 5]]

 [[4 4]
  [7 2]]]

[1, 5]，[3, 5]，[4, 4]和[7, 2]是示例性2d值。在threshold中设置的阈值，第一个值为2，第二个值为4：

自[1, 5]和False起，1 > 2 == False的
• 单元格应为5 > 4 == True
自[3, 5]和True起，3 > 2 == True的
• 单元格应为5 > 4 == True
自[4, 4]和False起，4 > 2 == True的
• 单元格应为4 > 4 == False
自[7, 2]和False起，7 > 2 == True的
• 单元格应为2 > 4 == False

我该怎么做才能得到相应的口罩？

[[ False  True]
 [ False False]]

Answer 1

numpy广播比较实际上为您很好地解决了这一问题。只需将threshold设置为1D数组，然后沿最终轴声明all。

t = np.array([2, 4])

(b > t).all(-1)

array([[False,  True],
       [False, False]])

---

但是要澄清一下，您的数组实际上是3D。如果您的数组是2D，如下所示，则工作方式会有所不同：

arr = np.array([[1, 5],
                [3, 5],
                [4, 4],
                [7, 2]])

(arr > t).all(-1)

array([False,  True, False, False])