python - numpy配列の負の値を置き換えます

Question

配列内のすべての負の値を0に置き換える簡単な方法はありますか？

NumPy配列を使用してそれを行う方法について完全なブロックがあります。

例えば

a = array([1, 2, 3, -4, 5])

戻る必要があります

[1, 2, 3, 0, 5]

a < 0与える：

[False, False, False, True, False]

これは私が立ち往生しているところです-この配列を使用して元の配列を変更する方法。

Answer 1

あなたはそこの途中です。試す：

In [4]: a[a < 0] = 0

In [5]: a
Out[5]: array([1, 2, 3, 0, 5])

Answer 2

試してみてくださいnumpy.clip：

>>> import numpy
>>> a = numpy.arange(-10, 10)
>>> a
array([-10,  -9,  -8,  -7,  -6,  -5,  -4,  -3,  -2,  -1,   0,   1,   2,
         3,   4,   5,   6,   7,   8,   9])
>>> a.clip(0, 10)
array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

で下半分のみをクリップできますclip(0)。

>>> a = numpy.array([1, 2, 3, -4, 5])
>>> a.clip(0)
array([1, 2, 3, 0, 5])

で上半分のみをクリップできますclip(max=n)。NaN（これは、最初のパラメーターに渡してout型を強制するために使用するという以前の提案よりもはるかに優れています。）：

>>> a.clip(max=2)
array([ 1,  2,  2, -4,  2])

もう1つの興味深いアプローチは、以下を使用することwhereです。

>>> numpy.where(a <= 2, a, 2)
array([ 1,  2,  2, -4,  2])

最後に、aixの答えを考えてみましょう。clip自己文書化であるため、単純な操作が好きですが、より複雑な操作には彼の答えが望ましいです。

Answer 3

numpyを使用しない別のミニマリストPythonソリューション：

[0 if i < 0 else i for i in a]

追加の関数を定義する必要はありません。

a = [1, 2, 3, -4, -5.23, 6]
[0 if i < 0 else i for i in a]

収量：

[1, 2, 3, 0, 0, 6]

Answer 4

そしてさらに別の可能性：

In [2]: a = array([1, 2, 3, -4, 5])

In [3]: where(a<0, 0, a)
Out[3]: array([1, 2, 3, 0, 5])

Answer 5

NumPyを使用せずにPythonでそれを行う方法は次のとおりです。必要なものを返す関数を作成し、リスト内包表記またはマップ関数を使用します。

>>> a = [1, 2, 3, -4, 5]

>>> def zero_if_negative(x):
...   if x < 0:
...     return 0
...   return x
...

>>> [zero_if_negative(x) for x in a]
[1, 2, 3, 0, 5]

>>> map(zero_if_negative, a)
[1, 2, 3, 0, 5]

Answer 6

を使用したベンチマークnumpy：

%%timeit
a = np.random.random(1000) - 0.5
b = np.maximum(a,0)
# 18.2 µs ± 204 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

%%timeit
a = np.random.random(1000) - 0.5
a[a < 0] = 0
# 19.6 µs ± 304 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

%%timeit
a = np.random.random(1000) - 0.5
b = np.where(a<0, 0, a)
# 21.1 µs ± 134 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

%%timeit
a = np.random.random(1000) - 0.5
b = a.clip(0)
# 37.7 µs ± 124 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

驚いたことに、 @NPEの答えnp.maximumを打ち負かしてください。

---

警告：

1. os[os < 0] = 0より高速ですnp.where()が、ではサポートされていませんnumba。しかし、何であれ、np.maximum()私が見つけた最速です。

2. np.maximum()np.max()およびとは異なりnp.amax()ます。単一の値np.maximum()と比較できます。vector