web-dev-qa-db-fra.com

Remplace tous les éléments de Python NumPy Array supérieurs à une valeur

J'ai un tableau 2D NumPy et voudrais remplacer toutes les valeurs supérieures ou égales à un seuil T avec 255.0. À ma connaissance, le moyen le plus fondamental serait:

shape = arr.shape
result = np.zeros(shape)
for x in range(0, shape[0]):
    for y in range(0, shape[1]):
        if arr[x, y] >= T:
            result[x, y] = 255

  1. Quel est le moyen le plus concis et pythonique de le faire?

  2. Y at-il un moyen plus rapide (peut-être moins concis et/ou moins Pythonic) de le faire?

Cela fera partie d'un sous-programme de réglage de fenêtre/niveau pour les examens IRM de la tête humaine. Le tableau numpy 2D correspond aux données de pixels de l’image.

pythonarraysnumpyreplaceconditional-statements
153
NLi10Me

Je pense que le moyen le plus rapide et le plus concis de procéder consiste à utiliser l'indexation Fancy intégrée de NumPy. Si vous avez une ndarray nommée arr, vous pouvez remplacer tous les éléments >255 par une valeur x comme suit:

arr[arr > 255] = x

Je l'ai exécuté sur ma machine avec une matrice aléatoire de 500 x 500, en remplaçant toutes les valeurs> 0,5 par 5, et cela a pris en moyenne 7,59 ms.

In [1]: import numpy as np
In [2]: A = np.random.Rand(500, 500)
In [3]: timeit A[A > 0.5] = 5
100 loops, best of 3: 7.59 ms per loop
266
mdml

Puisque vous voulez réellement un tableau différent qui est arr où arr < 255 et 255 sinon, vous pouvez le faire simplement:

result = np.minimum(arr, 255)

Plus généralement, pour une limite inférieure et/ou supérieure:

result = np.clip(arr, 0, 255)

Si vous voulez juste accéder aux valeurs supérieures à 255, ou quelque chose de plus compliqué, la réponse de @ mtitan8 est plus générale, mais np.clip et np.minimum (ou np.maximum) sont plus agréables et plus rapides pour votre ordinateur. Cas:

In [292]: timeit np.minimum(a, 255)
100000 loops, best of 3: 19.6 µs per loop

In [293]: %%timeit
   .....: c = np.copy(a)
   .....: c[a>255] = 255
   .....: 
10000 loops, best of 3: 86.6 µs per loop

Si vous voulez le faire sur place (c'est-à-dire, modifier arr au lieu de créer result), vous pouvez utiliser le paramètre out de np.minimum:

np.minimum(arr, 255, out=arr)

ou

np.clip(arr, 0, 255, arr)

(Le nom out= est facultatif, car les arguments sont dans le même ordre que la définition de la fonction.)

Pour la modification sur place, l'indexation booléenne accélère beaucoup (sans avoir à créer puis à modifier la copie séparément), mais n'est pas aussi rapide que minimum:

In [328]: %%timeit
   .....: a = np.random.randint(0, 300, (100,100))
   .....: np.minimum(a, 255, a)
   .....: 
100000 loops, best of 3: 303 µs per loop

In [329]: %%timeit
   .....: a = np.random.randint(0, 300, (100,100))
   .....: a[a>255] = 255
   .....: 
100000 loops, best of 3: 356 µs per loop

À titre de comparaison, si vous vouliez restreindre vos valeurs avec un minimum aussi bien qu'un maximum, sans clip, vous devrez le faire deux fois, avec quelque chose comme:

np.minimum(a, 255, a)
np.maximum(a, 0, a)

ou,

a[a>255] = 255
a[a<0] = 0
43
askewchan

Je pense que vous pouvez y arriver le plus rapidement en utilisant la fonction where:

Par exemple, recherchez des éléments supérieurs à 0,2 dans un tableau numpy et remplacez ceux-ci par 0:

import numpy as np

nums = np.random.Rand(4,3)

print np.where(nums > 0.2, 0, nums)
11
Amir F

Vous pouvez envisager d'utiliser numpy.putmask:

np.putmask(arr, arr>=T, 255.0)

Voici une comparaison des performances avec l'indexation intégrée de Numpy:

In [1]: import numpy as np
In [2]: A = np.random.Rand(500, 500)

In [3]: timeit np.putmask(A, A>0.5, 5)
1000 loops, best of 3: 1.34 ms per loop

In [4]: timeit A[A > 0.5] = 5
1000 loops, best of 3: 1.82 ms per loop
8
lev

Une autre méthode consiste à utiliser np.place qui effectue le remplacement sur place et fonctionne avec des tableaux multidimensionnels:

import numpy as np

arr = np.arange(6).reshape(2, 3)
np.place(arr, arr == 0, -10)
8
Shital Shah

Vous pouvez également utiliser &, | (et/ou) pour plus de flexibilité:

valeurs comprises entre 5 et 10: A[(A>5)&(A<10)]

valeurs supérieures à 10 ou inférieures à 5: A[(A<5)|(A>10)]

2
Mahdi Shahbaba