问题：我想将 Numpy 数组的每个元素与一个浮点数进行比较，返回一个值较小的数组。例如，使用输入：
import numpy as np
input_a = 3
input_b = np.array([1,2,3,4,5])
输出应该是
output = np.array([1,2,3,3,3])
我当前的解决方案是创建一个仅包含常量的新 np.array，然后使用 np.minimum()。
c = np.copy(input_b)
c.fill(input_a)
output = np.minimum(input_b, c)
但是，恐怕这不是最有效的解决方案。有没有更优雅/更有效的方法来实现这一目标？
【问题讨论】：
我认为np.minimum 适合这个操作：
>>> np.minimum(input_b, 3)
array([1, 2, 3, 3, 3])
如果您想直接修改input_b，请使用out 关键字参数将input_b 填充成对的最小值。
>>> np.minimum(input_b, 3, out=input_b)
>>> input_b
array([1, 2, 3, 3, 3])
这比使用布尔索引然后赋值要快：
>>> %timeit input_b[input_b > input_a] = input_a
100000 loops, best of 3: 4.16 µs per loop
>>> %timeit np.minimum(input_b, 3, out=input_b)
100000 loops, best of 3: 2.53 µs per loop
【讨论】：
最好的办法是使用logical indexing.
import numpy as np
input_a = 3
input_b = np.array([1,2,3,4,5])
input_b[input_b > input_a] = input_a
print(input_b)
# [1 2 3 3 3]
input_b > input_a 将返回一个包含 True 或 False 值的掩码数组，在这种情况下，如果 input_b 中的相应元素大于 input_a，则该元素将为 True。然后，您可以使用它来索引 input_b 并仅修改这些值。
请注意，对于这个特定数组，使用逻辑索引比使用 numpy.where 更快，但我无法告诉你具体原因。
setup = 'from __main__ import np, input_a, input_b'
print(timeit.timeit('input_b[input_b > input_a] = input_a', setup=setup))
# 2.2448947575996456
print(timeit.timeit('np.where(input_b < input_a, input_b, input_a)', setup=setup))
# 5.35540746395358
【讨论】：
为此，一种方法是使用numpy.where：
>>> np.where(input_b < input_a, input_b, input_a)
array([ 1., 2., 3., 3., 3.])
这里我们传递numpy.where 三个参数，其中第一个是input_b < input_a 的布尔数组。只要第一个参数中的值为True，我们就从第二个参数（input_b）中获取相应索引处的值。否则我们取input_a的值。
编辑：事实上，正如@Kasra 的回答所示，您可以直接传递input_a 而无需将其转换为np.array。
【讨论】：
你可以使用numpy.where：
>>> np.where(input_b < input_a, input_b, input_a)
array([1, 2, 3, 3, 3])
【讨论】：
有一个内置函数可以做到这一点：clip
output = input_b.clip(max=input_a)
或者如果你想自己设置input_b
np.clip(input_b, None, out=input_b)
这里它的作用与minimum 相同，但它也可以在同一个调用中执行maximum。有些版本接受 max 关键字，有些则不接受。
clip 在我的时间里比minimum 有一点优势。但我会推荐哪一个的意图似乎最清晰。
【讨论】：