Dal momento che in realtà vuoi un array diverso che è arr
dove arr < 255
, e 255
altrimenti, questo può essere fatto semplicemente:
result = np.minimum(arr, 255)
Più in generale, per un limite inferiore e / o superiore:
result = np.clip(arr, 0, 255)
Se vuoi solo accedere a valori superiori a 255 o qualcosa di più complicato, la risposta di @ mtitan8 è più generale, ma np.clip
e np.minimum
(o np.maximum
) sono più belli e molto più veloci per il tuo caso:
In [292]: timeit np.minimum(a, 255)
100000 loops, best of 3: 19.6 µs per loop
In [293]: %%timeit
.....: c = np.copy(a)
.....: c[a>255] = 255
.....:
10000 loops, best of 3: 86.6 µs per loop
Se vuoi farlo sul posto (es. Modifica arr
invece di creare result
) puoi usare il out
parametro di np.minimum
:
np.minimum(arr, 255, out=arr)
o
np.clip(arr, 0, 255, arr)
(il out=
nome è facoltativo poiché gli argomenti sono nello stesso ordine della definizione della funzione.)
Per la modifica sul posto, l'indicizzazione booleana accelera molto (senza dover effettuare e quindi modificare la copia separatamente), ma non è ancora veloce come minimum
:
In [328]: %%timeit
.....: a = np.random.randint(0, 300, (100,100))
.....: np.minimum(a, 255, a)
.....:
100000 loops, best of 3: 303 µs per loop
In [329]: %%timeit
.....: a = np.random.randint(0, 300, (100,100))
.....: a[a>255] = 255
.....:
100000 loops, best of 3: 356 µs per loop
Per fare un confronto, se vuoi limitare i tuoi valori con un minimo e un massimo, senza che clip
dovresti farlo due volte, con qualcosa di simile
np.minimum(a, 255, a)
np.maximum(a, 0, a)
o,
a[a>255] = 255
a[a<0] = 0