Python 如何从2d numpy数组高效地生成0和1的屏蔽数组？

如果我有一个给定的2d numpy数组，如何根据该数组的值超过给定阈值的位置，使用0和1有效地制作该数组的掩码

到目前为止，我制作了一个工作代码，可以这样做：

import numpy as np

def maskedarray(data, threshold):

    #creating an array of zeros:
    zeros = np.zeros((np.shape(data)[0], np.shape(data)[1]))

    #going over each index of the data
    for i in range(np.shape(data)[0]):
        for j in range(np.shape(data)[1]):
            if data[i][j] > threshold:
                zeros[i][j] = 1

    return(zeros)

#creating a test array
test = np.random.rand(5,5)

#using the function above defined
mask = maskedarray(test,0.5)

我拒绝相信没有一种更聪明的方法不需要使用两个嵌套的FOR循环

---

谢谢

最快的方法就是：

def masked_array(data, threshold):
    return (data > threshold).astype(int)

例如：

data = np.random.random((5,5))
threshold = 0.5

>>> data
array([[0.42966975, 0.94785801, 0.31750045, 0.75944551, 0.05430315],
       [0.91475934, 0.65683185, 0.09019139, 0.85717157, 0.63074349],
       [0.33160746, 0.82455941, 0.50801804, 0.81087228, 0.01561161],
       [0.6932717 , 0.12741425, 0.17863726, 0.36682108, 0.95817187],
       [0.88320599, 0.51243802, 0.90219452, 0.78954102, 0.96708252]])    

>>> masked_array(data, threshold)
array([[0, 1, 0, 1, 0],
       [1, 1, 0, 1, 1],
       [0, 1, 1, 1, 0],
       [1, 0, 0, 0, 1],
       [1, 1, 1, 1, 1]])

---

numpy.where（condition）.astype（np.bool）

对不起，我的意思是

np.int

。这个方法也可以用于在值之间进行过滤吗？就像我们希望在您的示例中筛选0.3到0.5之间的值一样？是的：

（（数据>0.3）和（数据<0.5））。astype（int）

创建掩码，并

数据[掩码]

对其进行筛选