根据阈值将 NumPy 数组转换为 0 或 1

Question

我在下面有一个数组：

a=np.array([0.1, 0.2, 0.3, 0.7, 0.8, 0.9])

我想要的是将此向量转换为基于阈值的二进制向量。 以threshold=0.5为例，大于0.5的元素转换为1，否则为0。
输出向量应该是这样的：

a_output = [0, 0, 0, 1, 1, 1]

我该怎么做？

Answer 1

np.where

np.where(a > 0.5, 1, 0)
# array([0, 0, 0, 1, 1, 1])

---

使用astype 进行布尔运算

(a > .5).astype(int)
# array([0, 0, 0, 1, 1, 1])

---

np.select

np.select([a <= .5, a>.5], [np.zeros_like(a), np.ones_like(a)])
# array([ 0.,  0.,  0.,  1.,  1.,  1.])

---

特殊情况：np.round

如果您的数组值是介于 0 和 1 之间的浮点值并且您的阈值为 0.5，这是最佳解决方案。

a.round()
# array([0., 0., 0., 1., 1., 1.])

Answer 2

您可以使用sklearn.preprocessing module 中的binarize。

但是，这仅在您希望最终值是二进制的情况下才有效，即“0”或“1”。上面提供的答案也非常适合非二进制结果。

from sklearn.preprocessing import binarize

a = np.array([0.1, 0.2, 0.3, 0.7, 0.8, 0.9]).reshape(1,-1)
x = binarize(a) 
a_output = np.ravel(x)
print(a_output) 

#everything together 
a_output = np.ravel(binarize(a.reshape(1,-1), 0.5))