Performance python在2d数组中测试数据

我有一个带有深度信息的二维阵列，640x480

我想将（行、列）值添加到一个列表中，其中的值在800到2800之间（在我的示例数据中，大约5%的值为true）

我有这段代码（python 2.7，w10，新笔记本电脑2017）

depth=np.load（“depth.npy”）#depth.shape=（640480），ndarray
障碍列表[]
对于范围内的行（480）：
对于范围内的列（640）：
距离=深度[列，行]
如果距离>800且距离<2800：
obstacleList.append（（列，区））

我的时间测量表明，完成这个列表几乎需要10秒

对于数据的进一步处理，我只需要具有最低dist值的col，但我认为这只会增加更多的处理时间

---

我的代码出了什么问题？

找到了numpy.nanmin，它可以在实际时间内找到每列的最小值。为了去掉一些值（如0），我需要将数组转换为浮点（因为NaN是浮点），并用NaN替换不需要的值

b=深度。aType（浮动）

---

b[By我们的代码不是正确的Python代码-它缺少一些标点符号。您如何确定它的处理需要时间，而不是

np.load

？抱歉，尝试更正它。已测量加载时间，需要0.04秒。

depth = np.load("depth.npy")    # depth.shape = (640, 480), ndarray
obstacleList[]
for row in range(480):
  for col in range(640):
    dist = depth[col, row]
    if  dist > 800 and dist < 2800: 
      obstacleList.append((col, dist))