Python 如何将列表中的负数转换为0？

如何将内部的所有负数转换为0

[[213, -197, 124, 163], [455, 96, 149, 175], [364, 210, 131, 154], [-22, 119, 243, 308]]

---

感谢您使用列表理解：

inp=[[213，-197124163]，[45596149175]，[36421013154]，-221119243308]]
输出=[[0如果x<0，则为0；对于y中的x，则为x]对于inp中的y]
打印（输出）

这张照片是：

[[213, 0, 124, 163], [455, 96, 149, 175], [364, 210, 131, 154], [0, 119, 243, 308]]

---

使用列表理解：

inp=[[213，-197124163]，[45596149175]，[36421013154]，-221119243308]]
输出=[[0如果x<0，则为0；对于y中的x，则为x]对于inp中的y]
打印（输出）

这张照片是：

[[213, 0, 124, 163], [455, 96, 149, 175], [364, 210, 131, 154], [0, 119, 243, 308]]

---

使用numpy的矢量化属性：

[[213, 0, 124, 163], [455, 96, 149, 175], [364, 210, 131, 154], [0, 119, 243, 308]]

将numpy导入为np
arr=np.数组（[[213，-197124163]，[455196149175]，[36421013154]，-221119243308]）
arr[arr<0]=0
打印（arr）

使用numpy的向量化属性：

[[213, 0, 124, 163], [455, 96, 149, 175], [364, 210, 131, 154], [0, 119, 243, 308]]

将numpy导入为np
arr=np.数组（[[213，-197124163]，[455196149175]，[36421013154]，-221119243308]）
arr[arr<0]=0
打印（arr）

只需返回一个新列表，其中的元素为负数，即0

def转换（列表）：
p=[]
对于列表中的NUM：
t=[]
对于num中的num：
t、 追加（如果num<0，则为0，否则为num）
p、 附加（t）
返回p
列表=[[213，-197124163]，[455196149175]，[364210131154]，-221119243308]]
结果=转换（列表）
打印（结果）

结果变成

---

只需返回一个新列表，其中的元素为负数，即0

def转换（列表）：
p=[]
对于列表中的NUM：
t=[]
对于num中的num：
t、 追加（如果num<0，则为0，否则为num）
p、 附加（t）
返回p
列表=[[213，-197124163]，[455196149175]，[364210131154]，-221119243308]]
结果=转换（列表）
打印（结果）

结果变成

---

另一种通过np.where实现的方法-

import numpy as np

arr = np.array([[213, -197, 124, 163], [455, 96, 149, 175], [364, 210, 131, 154], [-22, 119, 243, 308]])

arr[arr < 0] = 0
print(arr)

将numpy导入为np
l=[[213，-197124163]，[455196149175]，[36421013154]，-221119243308]]
打印（（np.where）（np.array（l）通过np.where执行此操作的另一种方法-

import numpy as np

arr = np.array([[213, -197, 124, 163], [455, 96, 149, 175], [364, 210, 131, 154], [-22, 119, 243, 308]])

arr[arr < 0] = 0
print(arr)

将numpy导入为np
l=[[213，-197124163]，[455196149175]，[36421013154]，-221119243308]]
打印（（np.where）（np.array（l）如果您不需要使用
numpy
或
pandas
，则坚持列表理解会更简单、更快。或者对子列表进行等效的就地修改。numpy代码将更易于编写（如果您知道），但从列表中创建数组需要时间。@hpaulj出于好奇，我对所有这些答案进行了计时；即使对于非常大的（1000x1000）列表，直接列表理解（Tim的答案）也明显快了（~50%）您可能认为矢量化的好处将超过转换成本的输入。如果您不需要使用
numpy
或
pandas
，则坚持列表理解将更简单、更快。或者对子列表进行等效的就地修改。numpy代码将更易于编写（如果你知道的话），但是从你的列表中创建一个数组需要时间。@hpaulj出于好奇，我对所有这些答案进行了计时；即使对于非常大（1000x1000）的输入，如果你认为矢量化的好处会超过转换成本，那么直接列表理解（Tim的答案）也会显著加快（~50%）。