如何为Numpy数组中的每个项目设置最小值和最大值？

Question

假设我有一个 numpy 数组

a = np.array([1, 100, 123, -400, 85, -98])

我想限制-100和之间的每个值90。所以基本上，我希望 numpy 数组是这样的：

a = np.array([1, 90, 90, -100, 85, -98])

我知道这可以通过迭代 numpy 数组来完成，但是还有其他有效的方法来执行此任务吗？

Answer 1

有几种方法可以这样做。首先，使用 Sridhar Murali 提出的 numpy 函数：

a = np.array([1, 100, 123, -400, 85, -98]) 
np.clip(a,-100,90)

其次，使用 numpy 数组比较：

a = np.array([1, 100, 123, -400, 85, -98])
a[a>90] = 90
a[a<-100] = -100

第三，如果您的其余代码不需要 numpy，请使用列表理解：

a = [1, 100, 123, -400, 85, -98]
a = [-100 if x<-100 else 90 if x>90 else x for x in a]

他们都给出了相同的结果：

a = [1, 90, 90, -100, 85, -98]

至于编码风格，我更喜欢 numpy 比较或列表理解，因为它们清楚地说明了做了什么，但这真的取决于你。至于速度，timeit.repeat在 100000 次重复后，我平均从最好到最差得到：

1. 4.8e-3 秒用于列表理解
2. 1.8e-1 秒用于 numpy 数组比较
3. np.clip 功能为 2.7e-1 秒

显然，如果之后不需要数组，则列表理解是要走的路。如果你需要一个数组，直接比较的效率几乎是clip函数的两倍，同时更具可读性。