Python 如果numpy数组元素高于特定阈值，则将其设置为零

比如说，我有一个numpy数组，它由

10个
元素组成，例如：

a=np.array（[2,23,15,7,9,11,17,19,5,3]）

现在我想有效地将所有高于
10
的
a
值设置为
0
，因此我将得到：

[2,0,0,7,9,0,0,0,5,3]

因为我目前对
循环使用
，速度非常慢：

# Zero values below "threshold value".
def flat_values(sig, tv):
    """
    :param sig: signal.
    :param tv: threshold value.
    :return:
    """
    for i in np.arange(np.size(sig)):
        if sig[i] < tv:
            sig[i] = 0
    return sig

#零值低于“阈值”。
def平面_值（信号、电视）：
"""
：参数信号：信号。
：param tv:阈值。
：返回：
"""
对于np.arange（np.sig）中的i：
如果sig[i]

我如何才能以最有效的方式实现这一点，同时考虑到大型数组，例如，
10^6
元素？
通常，在python中，列表理解比
for
循环快（因为python知道它不需要关心在常规
for
循环中可能发生的很多事情）：

In [7]: a = np.array([2, 23, 15, 7, 9, 11, 17, 19, 5, 3])

In [8]: a[a > 10] = 0

In [9]: a
Out[9]: array([2, 0, 0, 7, 9, 0, 0, 0, 5, 3])

但是，正如@unutbu所说的那样，numpy允许列表索引，而元素比较则提供索引列表，因此：

super_threshold_indices = a > thresh
a[super_threshold_indices] = 0

会更快

通常，在对数据向量应用方法时，请查看
numpy.ufuncs
，它的性能通常比使用任何本机机制映射的python函数要好得多。
如果您不想更改原始数组

In [1]: import numpy as np


In [2]: a = np.array([2, 23, 15, 7, 9, 11, 17, 19, 5, 3])


In [3]: b = np.where(a > 10, 0, a)


In [4]: a

Out[4]: array([ 2, 23, 15,  7,  9, 11, 17, 19,  5,  3])


In [5]: b

Out[5]: array([2, 0, 0, 7, 9, 0, 0, 0, 5, 3])

完美答案。请注意，如果您碰巧关心元素的绝对值，您可以使用：a[np.abs（a）>10]=0是否有方法组合多个（比如5个）条件？@BrysonS。编写一个包含5个条件并返回布尔值的单独函数。然后您可以这样使用它：
a[my_validation_func（a）]=0
@AlexHall您可以演示my_validation_func（a）的返回是什么样子的吗？您的语句中需要一个else:a=[0 if a_>thresh else a_uufor a.@ben26941 true dat。嗯，令人惊讶的是到目前为止还没有人注意到。
In [1]: import numpy as np


In [2]: a = np.array([2, 23, 15, 7, 9, 11, 17, 19, 5, 3])


In [3]: b = np.where(a > 10, 0, a)


In [4]: a

Out[4]: array([ 2, 23, 15,  7,  9, 11, 17, 19,  5,  3])


In [5]: b

Out[5]: array([2, 0, 0, 7, 9, 0, 0, 0, 5, 3])