Python 在numpy数组上迭代并对每个元素进行操作

我有一个8x8大小的numpy阵列。 以下是numpy阵列：

QuantTable = np.array([[16, 11 ,10, 16, 24, 40, 51, 61],
                    [12, 12, 14, 19, 26, 58, 60, 55],
                    [14, 13, 16, 24, 40, 57, 69, 56],
                    [14, 17, 22, 29, 51, 87, 80, 62],
                    [18, 22, 37, 29, 51, 87, 80, 62],
                    [24, 35, 55, 64, 81, 109, 103, 77],
                    [49, 64, 78, 87, 103, 121, 120, 101],
                    [72, 92, 95, 98, 112, 100, 103, 99]])

我想对数组中的元素执行操作。 我创建了一个接受缩放因子值和Numpy数组的函数。 这是：

def quantizationTable(Qval, QuantTable):
    if Qval < 50:
        scalingFactor = 5000/Qval
        for x in range(QuantTable):
            for y in range(QuantTable):
                QuantTable[x][y] = ((scalingFactor * QuantTable[x][y] + 50/100)
                if QuantTable[x][y] == 0:
                    QuantTable[x][y] = 1
    return QuantTable
    else:
        scalingFactor = 200 - 2(Qval)
        for x in range(QuantTable):
            for y in range(QuantTable):
                QuantTable[x][y] = ((scalingFactor * QuantTable[x][y] + 50/100)
                if QuantTable[x][y] == 0:
                    QuantTable[x][y] = 1

return QuantTable

def量化表（Qval，量化表）：
如果Qval<50：
比例因子=5000/Qval
对于范围内的x（可量化）：
对于范围内的y（可量化）：
量化表[x][y]=（（比例因子*量化表[x][y]+50/100）
如果量子表[x][y]==0：
可量化[x][y]=1
返回量化
其他：
比例因子=200-2（Qval）
对于范围内的x（可量化）：
对于范围内的y（可量化）：
量化表[x][y]=（（比例因子*量化表[x][y]+50/100）
如果量子表[x][y]==0：
可量化[x][y]=1
返回量化

我在迭代numpy数组和执行操作时遇到问题。我正在尝试应用公式 （（缩放因子值*numpy数组的元素+50）/100）添加到numpy数组的每个元素，并返回修改后的数组。

---

有人能帮忙吗？

只需删除循环和索引。Numpy会自动广播这些操作。此外，您的许多代码可以从

if…else

语句中删除

def quantizationTable(Qval, QuantTable):
    QuantTable = np.asarray(QuantTable, dtype=np.float32)
    if int(Qval) < 50:
        scalingFactor = 5000 / Qval
    else:
        scalingFactor = 200 - 2 * Qval # confirm that this is what you want? 

    QuantTable *= scalingFactor + 0.5
    QuantTable[QuantTable == 0] = 1

    return QuantTable

def量化表（Qval，量化表）：
QuantTable=np.asarray（QuantTable，dtype=np.float32）
如果int（Qval）<50：
比例因子=5000/Qval
其他：
scalingFactor=200-2*Qval#确认这是您想要的吗？
QuantTable*=缩放因子+0.5
QuantTable[QuantTable==0]=1
返回量化

只需删除循环和索引。Numpy会自动广播这些操作。此外，您的许多代码可以从

if…else

语句中删除

def quantizationTable(Qval, QuantTable):
    QuantTable = np.asarray(QuantTable, dtype=np.float32)
    if int(Qval) < 50:
        scalingFactor = 5000 / Qval
    else:
        scalingFactor = 200 - 2 * Qval # confirm that this is what you want? 

    QuantTable *= scalingFactor + 0.5
    QuantTable[QuantTable == 0] = 1

    return QuantTable

def量化表（Qval，量化表）：
QuantTable=np.asarray（QuantTable，dtype=np.float32）
如果int（Qval）<50：
比例因子=5000/Qval
其他：
scalingFactor=200-2*Qval#确认这是您想要的吗？
QuantTable*=缩放因子+0.5
QuantTable[QuantTable==0]=1
返回量化

我在迭代numpy数组和执行操作时遇到问题。

-详细说明？为什么要循环？

返回scalingFactor*QuantTable+50/100

，因为我需要对每个元素执行操作。如果我的逻辑本身有错误，请纠正我。谢谢。你不需要自己迭代，numpy可以比Python中的任何循环都快得多。@SanketWagh no-事实上，使用循环是实现所需目标的不可取的方式。

numpy

数组的全部要点是它们允许快速高效的向量化操作。

我在迭代numpy数组和执行操作时遇到了问题-详细说明？为什么要循环？
返回scalingFactor*QuantTable+50/100
，因为我需要对每个元素执行操作。如果我的逻辑本身有错误，请纠正我。谢谢。你不需要自己迭代，numpy可以比Python中的任何循环都快得多。@SanketWagh否-确实，使用循环是实现您想要的目标的不可取的方法。
numpy
数组的全部要点是它们允许快速有效的矢量化操作。您需要注意就地操作。如果
QuantTable
是一个整数数组，则会导致截断（因为缩放是一个浮点）@MSeifert噢，说得好。我可能应该添加一个
np.asarray（…，dtype）
cast.scalingFactor=200-2*Qval->这就是我想要的。@COLDSPEED我使用了这个答案，并对它进行了一些修改。它很有魅力。谢谢。你需要小心使用就地操作。如果
QuantTable
是一个整数数组，会导致截断（因为缩放是一个浮点）@MSeifert噢，说得好。我可能应该添加一个
np.asarray（…，dtype）
cast.scalingFactor=200-2*Qval->这就是我想要的。@COLDSPEED我使用了这个答案，并对它做了一些修改。它很有魅力。谢谢。