我有一个2d (二维) NumPy数组，希望用255.0替换所有大于或等于阈值t的值。 据我所知，最基础的方法是：
shape=arr.shape
result=NP.Zeros(shape )
forxinrange(0，shape )0) ) :
foryinrange(0，shape )1) ) :
if arr[x，y]=T:
result[x，y]=255
有更简洁、更pythonic的方法吗？
为了实现这一点，是否可能更快和/或不是pythonic？
它将成为人体头颅MRI扫描窗口/电平调整子程序的一部分，2D numpy排列是图像像素数据。
一方面，我认为最佳的解决方案是，最快、最简洁的方法是使用Numpy的内置索引。 如果存在名为arr的ndarray，则可以将所有元素255替换为值x，如下所示：
arr[arr 255]=x
我在我的机器上以500 x 500的随机矩阵运行这个函数，用5替换了所有0.5的值。 平均需要7.59ms。
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
二、次佳解决思路实际需要不同的序列、arr，其中arr 255，很容易完成：
result=NP.minimum(ARR，255 ) ) ) ) ) ) ) )。
更一般地，关于下限和/或上限：
result=NP.clip(ARR，0，255 ) )。
如果您只是想访问超过255个值，np.clip和np.minimum (或np.maximum )对您的情况更好更快。
in[292]:timeitNP.minimum(a，255 ) )。
100000 loops，best of 3: 19.6 s per loop
In [293]: %%timeit
.c=NP.copy(a ) ) )。
. c[a255]=255
.
10000 loops，best of 3: 86.6 s per loop
如果要执行在位，也就是修改arr而不是创建result，则可以使用np.minimum的out参数。
NP.minimum(arr，255，out=arr ) ) ) ) ) ) ) )。
或者
NP.clip(arr，0，255，arr ) )。
(out=名称是可选的，因为参数的顺序与函数的定义相同。 ）
在in-place更改中，布尔索引速度大大提高，但不需要单独修改和复制。 比minimum还差。
In [328]: %%timeit
. a=NP.random.randint (0，300，) 100，100 ) )
.NP.minimum(a，255，a ) )。
.
100000 loops，best of 3: 303 s per loop
In [329]: %%timeit
. a=NP.random.randint (0，300，) 100，100 ) )
. a[a255]=255
.
100000 loops，best of 3: 356 s per loop
比较而言，如果想要限制最大值和最小值，如果没有剪辑，则必须执行以下两次
NP.minimum(a，255，a ) ) ) ) )。
NP.maximum(a，0，a ) ) )。
或者，
a[a255]=255
a[a0]=0
三、第三个解决方案可以通过使用where功能达到最快：
例如，在numpy数组中查找大于0.2的项目，并将它们替换为0。
import numpy as np
nums=NP.random.rand (4，3 ) ) ) ) ) ) ) )。
打印NP.where (NUMS 0.2，0，nums ) )。
四、第四构想NP.putmask(ARR，arr=T，255.0 ) ) ) ) ) ) ) ) )。
以下是与Numpy内置索引的性能比较：
In [1]: import numpy as np
in [2] : a=NP.random.rand (500，500 ) )。
in[3]:timeitNP.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