我有一個(gè)二維數(shù)組。我想將每一行中大于該行平均值的所有值設(shè)置為 0。一些天真地執(zhí)行此操作的代碼是：new_arr = arr.copy()for i, row in enumerate(arr): avg = np.mean(row) for j, pixel in enumerate(row): if pixel > avg: new_arr[i,j] = 0 else: new_arr[i,j] = 1這很慢，我想知道是否有某種方法可以使用 Numpy 索引來(lái)做到這一點(diǎn)？如果它是整個(gè)矩陣的平均值，我可以簡(jiǎn)單地做：mask = arr > np.mean(arr)arr[mask] = 0arr[np.logical_not(mask)] = 1是否有某種方法可以使用一維平均值數(shù)組或類(lèi)似的東西對(duì)每行平均值執(zhí)行此操作？編輯：建議的解決方案：avg = np.mean(arr, axis=0)mask = arr > avgnew_arr = np.zeros(arr.shape)arr[mask] = 1實(shí)際上使用的是列平均值，這對(duì)某些人也可能有用。它相當(dāng)于：new_arr = arr.copy()for i, row in enumerate(arr.T): avg = np.mean(row) for j, pixel in enumerate(row): if pixel > avg: new_arr[j,i] = 0 else: new_arr[j,i] = 1
3 回答
慕容3067478
TA貢獻(xiàn)1773條經(jīng)驗(yàn) 獲得超3個(gè)贊
設(shè)置
a = np.arange(25).reshape((5,5))
你可以用keepdims與mean：
a[a > a.mean(1, keepdims=True)] = 0
array([[ 0, 1, 2, 0, 0],
[ 5, 6, 7, 0, 0],
[10, 11, 12, 0, 0],
[15, 16, 17, 0, 0],
[20, 21, 22, 0, 0]])
使用keepdims=True, 給出以下結(jié)果mean：
array([[ 2.],
[ 7.],
[12.],
[17.],
[22.]])
文檔中說(shuō)明了這樣做的好處：
如果將其設(shè)置為 True，則減少的軸將作為尺寸為 1 的維度保留在結(jié)果中。使用此選項(xiàng)，結(jié)果將針對(duì)輸入數(shù)組正確廣播。
慕娘9325324
TA貢獻(xiàn)1783條經(jīng)驗(yàn) 獲得超4個(gè)贊
您可以使用np.mean(a, axis=1)來(lái)獲取每行的平均值，將其廣播到 的形狀a，并將所有值設(shè)置a > broadcasted_mean_array為 0：
示例：
a = np.arange(25).reshape((5,5))
>>> a
array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14],
[15, 16, 17, 18, 19],
[20, 21, 22, 23, 24]])
a[a > np.broadcast_to(np.mean(a,axis=1),a.shape).T] = 0
>>> a
array([[ 0, 1, 2, 0, 0],
[ 5, 6, 7, 0, 0],
[10, 11, 12, 0, 0],
[15, 16, 17, 0, 0],
[20, 21, 22, 0, 0]])
忽然笑
TA貢獻(xiàn)1806條經(jīng)驗(yàn) 獲得超5個(gè)贊
使用axis關(guān)鍵字表示您的意思：
avg = np.mean(arr, axis=0)
然后使用它來(lái)創(chuàng)建您的掩碼并分配您想要的值：
mask = avg>=arr
new_arr = np.zeros(arr.shape)
arr[mask] = 1
當(dāng)然，您可以直接從掩碼創(chuàng)建一個(gè)新數(shù)組，而無(wú)需兩步方法。
添加回答
舉報(bào)
0/150
提交
取消