在numpy数组中替换大于极限的值

我有一个数组n×m，每列的最大值。除了检查每个元素之外，替代大于最大值的值的最佳方法是什么？在numpy数组中替换大于极限的值

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

无论如何要做到这一点更快，更简洁的方式？

来源

2011-03-31 ryanjg

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]])

来源

2011-03-31 06:03:26 eumiro

此功能从NumPy 1.7开始不推荐使用。使用函数[np.copyto（a，values，where = mask）]（http://docs.scipy.org/doc/numpy/reference/generated/numpy.copyto.html）来实现此功能。 – DenisKolodin 2011-11-21 09:00:11

如果我们不假设bad_array的结构有任何问题，那么您的代码在对手参数中是最优的。如果我们知道每列按升序排序，那么只要我们达到高于最大值的值，那么我们知道该列中的每个后续元素也高于极限，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花费的n * n时间。

您也可以通过一次检查并复制一个元素来创建good_array，而不是复制bad_array中的所有元素，并稍后检查它们。这应该.5

来源

2011-03-31 05:19:37 bdares

如果让numpy的（高度优化的库）来操纵阵列本身，这将是更比对其元素的python迭代更快。 – eumiro 2011-03-31 06:22:23

如果列数不是很大的一个因素大致减少的时候，一个优化将是：

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

来源

2011-03-31 05:43:22

另一个方式是使用clip功能：

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)

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

还可以指定的下限，通过将参数分=

来源

2017-01-29 22:13:32

在numpy数组中替换大于极限的值

回答

相关问题