对每列使用不同阈值的 numpy 数组进行阈值化

Question

我正在尝试完全按照这个问题在Python中对R的要求：每列的不同硬阈值也就是说，在$n\times m$ numpy数组上每列应用不同的阈值。我知道的唯一方法是迭代列，但必须有一种矢量方法来做到这一点（也许使用视图或步幅）？

Answer 1

您可以使用broadcasting：

a = np.arange(24).reshape(4,6)

thresh = np.array([3, 7, 9, 11, 13, 15])

a > thresh[None,:]

输出：

array([[False, False, False, False, False, False],

       [ True, False, False, False, False, False],

       [ True,  True,  True,  True,  True,  True],

       [ True,  True,  True,  True,  True,  True]])

Answer 2

这里

• m是原始矩阵

• thresh_vals是阈值列表（np 数组）

• rep_vals是要填充 m < thresh_vals 的相应值的列表

通过以下方式设置阈值和替换值：

m = np.random.rand(4,4)

thresh_vals = np.array([0.25, 0.5, 0.75, 1.0])

m_thresh = np.repeat(thresh_vals.reshape(1,4), 4, axis=0)

rep_vals = np.array([0, 0.1, 0.01, 0.001])

m_rep = np.repeat(rep_vals.reshape(1,4), 4, axis=0)

mask = m < thresh_vals

m[mask] = m_rep[mask]

# m:

[[0.85129154 0.76109774 0.20486053 0.07527921]

 [0.97887779 0.70202094 0.11273641 0.98444799]

 [0.50364255 0.05257619 0.58271136 0.41479196]

 [0.39269314 0.01727273 0.81580523 0.93713313]] 

# m after threshold applied, filled with `rep_vals`:

[[0.85129154 0.76109774 0.01       0.001     ]

 [0.97887779 0.70202094 0.01       0.001     ]

 [0.50364255 0.1        0.01       0.001     ]

 [0.39269314 0.1        0.81580523 0.001     ]]

Answer 3

只需直接将您的矩阵与阈值数组进行比较

如果 x 是 [n,m] numpy 数组并且 t 是 [m,] numpy 数组

x > t

返回一个布尔[n,m]数组，检查x中的每一列是否大于t中相应的阈值

例子：

import numpy as np

v = np.array([

[0,1,2],

[1,2,3],

[2,3,4]])

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

v >= t

>> array([[False, False, False],

   [ True,  True,  True],

   [ True,  True,  True]])