加快修改数组的numpy数组的循环答案

【问题标题】：Speed up loops over numpy arrays that modify the array加快修改数组的numpy数组的循环
【发布时间】：2020-10-08 23:29:09
【问题描述】：

我有形状为 (X, Y, 4) 的 numpy 数组，其中 X 和 Y 很大。我想在数组的轴 2 上执行以下操作（即每个 x 和 y 的 A[x, y]）：对于每个一维向量 A[x, y]，如果前 3 个元素中的每一个都是在常数向量 C 中的对应元素的某个距离 d 内，然后将第 4 个元素设置为 0。这就是我使用 Python 循环的方式：

for i in range(X):
    for j in range(Y):
        if np.all(np.abs(A[i, j, 0:3] - C) <= d):
            A[i, j, 3] = 0

显然，这些循环非常慢。我怀疑有一种更快的、基于 ufunc 的方式来执行此操作，但对于我的生活来说，我无法弄清楚如何去做。有人有什么建议吗？

（应用注意：这是为图像添加alpha通道，使接近C的颜色变得透明。）

【问题讨论】：

嗨，这可能是题外话，但我想问一个问题。建议使用哪种形状的图像？是(X, Y, 3) 还是(3, X, Y)？
@mathfux 你最喜欢的库支持的那个

标签： python numpy numpy-ufunc

【解决方案1】：

试试：

mask = (np.abs(A[:,:,:3]-C)<=d).all(-1)
A[mask,3] = 0

【讨论】：

非常感谢！正是我一直在寻找的那种东西。对于 120x120 的无符号字节数组，您的解决方案需要 0.42 毫秒，而我的解决方案需要 77 毫秒。有充分理由更仔细地研究 numpy 索引！
如果您有未签名的数据，请小心！我愿意，因为我的数据是 0 到 255 之间的 RGB 值，所以我的数据是 uint8。对于无符号数据，当您在 Quang 的代码中执行 A[:,:,:3]-C 减法时，例如，当您执行 60-61 时，您会得到 255，而不是预期的 -1。减法后，您需要将数据更改为有符号类型。比如你的数据是uint8，那么Quang的第一行代码应该改成mask = (np.abs((A[:,:,:3]-C).astype(np.int8))<=d).all(-1)。