Numpy掩碼計算滿足條件的元素數量

Question

如何使用Numpy對此for循環進行向量化？

count=0
arr1 = np.random.rand(184,184)
for i in range(arr1.size[0]):
    for j in range(arr1.size[1]):
        if arr1[i,j] > 0.6:
            count += 1
print count

我試過了：

count=0
arr1 = np.random.rand(184,184)
mask = (arr1>0.6)
indices = np.where(mask)
print indices , len(indices) 

我期望len（指數）給予計數，但事實並非如此。 請給我任何建議。

Answer 1

獲取一個布爾掩碼並計算“True”：

(arr1 > 0.6).sum()

Answer 2

np.count_nonzero應該比總和快一點：

np.count_nonzero(arr1 > 0.6)

事實上，它的速度是原來的三倍

>>> from timeit import repeat
>>> kwds = dict(globals=globals(), number=10000)
>>> 
>>> arr1 = np.random.rand(184,184)
>>> 
>>> repeat('np.count_nonzero(arr1 > 0.6)', **kwds)
[0.15281831508036703, 0.1485864429268986, 0.1477385900216177]
>>> repeat('(arr1 > 0.6).sum()', **kwds)
[0.5286932559683919, 0.5260644309455529, 0.5260107989888638]

Answer 3

您還可以使用Numpy數組的size屬性：

arr1 = np.random.rand(184,184)

arr1[ arr1 > 0.6 ].size