Python 从Numpy数组和float的元素中获取最小值

问题：我想比较Numpy数组的每个元素和一个float，返回一个值较小的数组。例如，使用输入：

import numpy as np
input_a = 3
input_b = np.array([1,2,3,4,5])

输出应该是

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

我当前的解决方案是创建一个新的仅包含常量的np.array，然后使用np.minimum（）

---

然而，我恐怕这不是最有效的解决办法。有没有更优雅/高效的方法来实现这一点？

我认为

np。对于这个操作来说，最小值是合适的：

>>> np.minimum(input_b, 3)
array([1, 2, 3, 3, 3])

如果要直接修改
input_b
，请使用
out
关键字参数以成对最小值填充
input_b

>>> np.minimum(input_b, 3, out=input_b)
>>> input_b
array([1, 2, 3, 3, 3])

这比使用布尔索引然后赋值更快：

>>> %timeit input_b[input_b > input_a] = input_a
100000 loops, best of 3: 4.16 µs per loop

>>> %timeit np.minimum(input_b, 3, out=input_b)
100000 loops, best of 3: 2.53 µs per loop

我认为
np.最小值
适合此操作：

>>> np.minimum(input_b, 3)
array([1, 2, 3, 3, 3])

如果要直接修改
input_b
，请使用
out
关键字参数以成对最小值填充
input_b

>>> np.minimum(input_b, 3, out=input_b)
>>> input_b
array([1, 2, 3, 3, 3])

这比使用布尔索引然后赋值更快：

>>> %timeit input_b[input_b > input_a] = input_a
100000 loops, best of 3: 4.16 µs per loop

>>> %timeit np.minimum(input_b, 3, out=input_b)
100000 loops, best of 3: 2.53 µs per loop

你最好的选择是使用

input\u b>input\u a
将返回一个包含真值或假值的掩码数组，在这种情况下，如果
input\u b
中的对应元素大于
input\u a
，则元素为真。然后，您可以使用它来索引
input_b
，并仅修改这些值

请注意，对于这个特定数组，使用逻辑索引比使用
numpy.where
更快，尽管我不能确切地告诉您原因

setup = 'from __main__ import np, input_a, input_b'
print(timeit.timeit('input_b[input_b > input_a] = input_a', setup=setup)) 
# 2.2448947575996456
print(timeit.timeit('np.where(input_b < input_a, input_b, input_a)', setup=setup)) 
# 5.35540746395358

setup='from uuuuu main_uuuuu导入np，输入a，输入b'
打印（timeit.timeit（'input_b[input_b>input_a]=input_a'，setup=setup））
# 2.2448947575996456
打印（timeit.timeit（'np.where（input_b
您的最佳选择是使用

input\u b>input\u a
将返回一个包含真值或假值的掩码数组，在这种情况下，如果
input\u b
中的对应元素大于
input\u a
，则元素为真。然后，您可以使用它来索引
input_b
，并仅修改这些值

请注意，对于这个特定数组，使用逻辑索引比使用
numpy.where
更快，尽管我不能确切地告诉您原因

setup = 'from __main__ import np, input_a, input_b'
print(timeit.timeit('input_b[input_b > input_a] = input_a', setup=setup)) 
# 2.2448947575996456
print(timeit.timeit('np.where(input_b < input_a, input_b, input_a)', setup=setup)) 
# 5.35540746395358

setup='from uuuuu main_uuuuu导入np，输入a，输入b'
打印（timeit.timeit（'input_b[input_b>input_a]=input_a'，setup=setup））
# 2.2448947575996456
打印（timeit.timeit（'np.where（input_b
这方面的一个内衬是：

>>>np.where（input_b

这里我们传递
numpy.where
三个参数，其中第一个参数是where
input\b
的布尔数组。只要第一个参数中的值为
True
，我们就从第二个参数（
input_b
）中获取相应索引处的值。否则，我们将取
input\u a
的值

编辑：事实上，正如@Kasra的回答所示，您可以直接传递
输入_a
，而无需将其转换为
np.数组
一行代码就可以使用：

>>>np.where（input_b

这里我们传递
numpy.where
三个参数，其中第一个参数是where
input\b
的布尔数组。只要第一个参数中的值为
True
，我们就从第二个参数（
input_b
）中获取相应索引处的值。否则，我们将取
input\u a
的值

编辑：事实上，正如@Kasra的回答所示，您可以直接传递
输入_a
，而无需将其转换为
np.array
，您可以使用：

>>>np.where（input_b
您可以使用：

>>>np.where（input_b
有一个内置的方法可以做到这一点：
clip

output = input_b.clip(max=input_a)

或者如果您想设置
输入\u b
本身

np.clip(input_b, None, out=input_b)

在这里，它的作用与
最小值
相同，但它也可以在同一个调用中执行
最大值
。一些版本接受
max
关键字，其他版本则不接受

clip
在我的计时中比
最小值有一定优势。但是我推荐哪一个在意图上看起来最清晰。
有一个内置的实现方法：
clip

output = input_b.clip(max=input_a)

或者如果您想设置
输入\u b
本身

np.clip(input_b, None, out=input_b)

在这里，它的作用与
最小值
相同，但它也可以在同一个调用中执行
最大值
。一些版本接受
max
关键字，其他版本则不接受

clip
在我的计时中比
最小值有一定优势。但我会推荐哪一个看起来意图最清晰