如果它们高于特定阈值，则将 numpy 数组元素设置为零答案

【问题标题】：Set numpy array elements to zero if they are above a specific threshold如果它们高于特定阈值，则将 numpy 数组元素设置为零
【发布时间】：2015-04-10 10:33:38
【问题描述】：

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高于10 的a 值设置为0，所以我会得到：

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

因为我目前使用的是for循环，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

考虑到10^6 元素的大数组，我怎样才能以最有效的方式实现这一目标？

【问题讨论】：

标签： python arrays numpy

【解决方案1】：

来自sentdex在Youtube上的神经网络系列从零开始，他使用np.maximum(0, [your array])将所有小于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）上完成了它，它在 0.039571 秒内工作。我希望这足够快。

【讨论】：

【解决方案2】：

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 = np.where(a > 10, 0, a)


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])

【讨论】：

【解决方案3】：

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

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

但是，正如@unutbu 正确的pointed out，numpy 允许列表索引和元素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，在对数据向量应用方法时，请查看 numpy.ufuncs，它的性能通常比使用任何本机机制映射的 Python 函数要好得多。

【讨论】：

你的语句中需要一个 else：a = [0 if a_ > thresh else a_ for a_ in a]
@ben26941 真实数据。嗯，令人惊讶的是到目前为止没有人注意到。

【解决方案4】：

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])

【讨论】：

完美答案。请注意，如果您碰巧关心元素的绝对值，则可以使用： a[np.abs(a) > 10] = 0
有没有办法组合多个（比如 5 个）条件句？
@BrysonS。编写一个单独的函数，其中包含 5 个条件并返回一个布尔值。然后你可以像这样使用它：a[my_validation_func(a)] = 0
@AlexHall 能否展示一下 my_validation_func(a) 的返回结果如何？