從Numpy數組和float的元素中獲取最小值

Question

問題：我想將Numpy數組的每個元素與浮點數進行比較，返回值較小的數組。 例如，使用輸入：

import numpy as np
input_a = 3
input_b = np.array([1,2,3,4,5])

輸出應該是

output = np.array([1,2,3,3,3])

我當前的解決方案是通過僅使用常量創建一個新的np.array，然后使用np.minimum（）來工作。

c = np.copy(input_b)
c.fill(input_a)
output = np.minimum(input_b, c)

但是，恐怕這不是最有效的解決方案。 有沒有更優雅/更有效的方法來實現這一目標？

Answer 1

最好的選擇是使用邏輯索引。

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將返回True或False值的掩碼數組，在這種情況下，如果input_b的對應元素大於input_a則該元素為True。 然后，您可以使用它來索引input_b並僅修改那些值。

請注意，對於該特定數組，使用邏輯索引比使用numpy.where更快，盡管我無法確切告訴您原因。

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

Answer 2

我認為np.minimum適合此操作：

>>> np.minimum(input_b, 3)
array([1, 2, 3, 3, 3])

如果要直接修改input_b ，請使用out關鍵字參數以成對的最小值填充input_b 。

>>> np.minimum(input_b, 3, out=input_b)
>>> input_b
array([1, 2, 3, 3, 3])

這比使用布爾索引然后分配值更快：

>>> %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

Answer 3

一種方法是使用numpy.where ：

>>> np.where(input_b < input_a, input_b, input_a)
array([ 1.,  2.,  3.,  3.,  3.])

在這里，我們傳遞numpy.where三個參數，第一個是其中input_b < input_a的布爾數組。 每當第一個參數中的值為True ，我們將從第二個參數（ input_b ）的相應索引處獲取值。 否則，我們采用input_a的值。

編輯 ：實際上，正如@Kasra的答案所示，您可以直接傳遞input_a而不將其轉換為np.array 。

Answer 4

您可以使用numpy.where ：

>>> np.where(input_b < input_a, input_b, input_a)
array([1, 2, 3, 3, 3])

Answer 5

有一個內置做到這一點： clip

output = input_b.clip(max=input_a)

或者如果您想設置input_b本身

np.clip(input_b, None, out=input_b)

在這里，它的作用與minimum相同，但在同一調用中也可以maximum 。 某些版本接受max關鍵字，而其他版本則不接受。

在我的時間安排中， clip的邊線要比minimum小 但我建議您看哪一個意圖最明確。