ある値より大きいPython NumPy配列のすべての要素を置き換えます

2D NumPy配列があり、その中のすべての値をしきい値T以上の255.0に置き換えたいです。私の知る限り、最も基本的な方法は次のとおりです。

shape = arr.shape
result = np.zeros(shape)
for x in range(0, shape[0]):
    for y in range(0, shape[1]):
        if arr[x, y] >= T:
            result[x, y] = 255

1. これを行うための最も簡潔でpythonicな方法は何ですか？

2. これを行うためのより高速な（おそらく簡潔さおよび/またはpythonicが少ない）方法はありますか？

これは、人間の頭のMRIスキャンのウィンドウ/レベル調整サブルーチンの一部になります。2D numpy配列は画像のピクセルデータです。

これを行うための最速かつ最も簡潔な方法は、NumPyの組み込みのFancyインデックスを使用することだと思います。あなたがいる場合はndarray名前のarr、あなたはすべての要素置き換えることができます>255値とをx次のように：

arr[arr > 255] = x

私はこれを500 x 500のランダムマトリックスを使用して自分のマシンで実行し、> 0.5をすべての値で5に置き換えたところ、平均7.59msかかりました。

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

実際にはarrwhereである別の配列が必要なのでarr < 255、255そうでなければ、これは簡単に行うことができます：

result = np.minimum(arr, 255)

より一般的には、下限および/または上限の場合：

result = np.clip(arr, 0, 255)

255を超える値やもっと複雑な値にアクセスしたいだけの場合は、@ mtitan8の答えがより一般的ですがnp.clip、そしてnp.minimum（またはnp.maximum）はあなたの場合にはより優れており、はるかに高速です：

In [292]: timeit np.minimum(a, 255)
100000 loops, best of 3: 19.6 µs per loop

In [293]: %%timeit
   .....: c = np.copy(a)
   .....: c[a>255] = 255
   .....: 
10000 loops, best of 3: 86.6 µs per loop

これをインプレースで実行する場合（つまり、arrを作成する代わりに変更する場合result）は、次のoutパラメータを使用できますnp.minimum。

np.minimum(arr, 255, out=arr)

または

np.clip(arr, 0, 255, arr)

（out=引数は関数の定義と同じ順序なので、名前はオプションです。）

インプレース変更の場合、ブールインデックスは大幅に高速化されます（コピーを個別に作成して変更する必要はありません）。ただし、minimum次のように高速ではありません。

In [328]: %%timeit
   .....: a = np.random.randint(0, 300, (100,100))
   .....: np.minimum(a, 255, a)
   .....: 
100000 loops, best of 3: 303 µs per loop

In [329]: %%timeit
   .....: a = np.random.randint(0, 300, (100,100))
   .....: a[a>255] = 255
   .....: 
100000 loops, best of 3: 356 µs per loop

比較のために、最小値と最大値で値を制限したい場合clipは、これを2回行う必要はありません。

np.minimum(a, 255, a)
np.maximum(a, 0, a)

または、

a[a>255] = 255
a[a<0] = 0

私はあなたがwhere関数を使用することでこれを最も早く達成できると思います：

たとえば、numpy配列で0.2より大きいアイテムを探し、それらを0で置き換えるには、

import numpy as np

nums = np.random.rand(4,3)

print np.where(nums > 0.2, 0, nums)

numpy.putmaskの使用を検討できます。

np.putmask(arr, arr>=T, 255.0)

以下は、Numpyの組み込みインデックスとのパフォーマンス比較です。

In [1]: import numpy as np
In [2]: A = np.random.rand(500, 500)

In [3]: timeit np.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

別の方法はnp.place、インプレース置換を行い、多次元配列で機能するを使用することです。

import numpy as np

# create 2x3 array with numbers 0..5
arr = np.arange(6).reshape(2, 3)

# replace 0 with -10
np.place(arr, arr == 0, -10)

さらに柔軟性を高めるために&、|（および/または）を使用することもできます。

5〜10の値： A[(A>5)&(A<10)]

10より大きい値または5より小さい値： A[(A<5)|(A>10)]