Мне нужно подсчитать все значения в матрице (2-й массив), которые больше 200.
Код, который я записал для этого:
za=0
p31 = numpy.asarray(o31)
for i in range(o31.size[0]):
for j in range(o32.size[1]):
if p31[i,j]<200:
za=za+1
print za
o31 - это изображение, и я преобразовываю его в матрицу, а затем нахожу значения.
Мой вопрос: есть ли более простой способ сделать это?
Функция numpy.where - ваш друг. Поскольку он реализован для полного использования типа данных массива, для больших изображений вы должны заметить улучшение скорости по сравнению с чистым решением python, которое вы предоставляете.
Использование numpy.where напрямую даст булевскую маску, указывающую, соответствуют ли определенные значения вашим условиям:
>>> data
array([[1, 8],
[3, 4]])
>>> numpy.where( data > 3 )
(array([0, 1]), array([1, 1]))
И маска может использоваться для индексации массива напрямую, чтобы получить фактические значения:
>>> data[ numpy.where( data > 3 ) ]
array([8, 4])
Точно, где вы берете его оттуда, будет зависеть от того, в какой форме вы хотите получить результаты.
Это очень просто с булевыми массивами:
p31 = numpy.asarray(o31)
za = (p31 < 200).sum() # p31<200 is a boolean array, so `sum` counts the number of True elements
Есть много способов добиться этого, например, сгладить и фильтровать или просто перечислить, но я думаю, что использование Boolean/mask array является самым простым (и iirc намного быстрее):
>>> y = np.array([[123,24123,32432], [234,24,23]])
array([[ 123, 24123, 32432],
[ 234, 24, 23]])
>>> b = y > 200
>>> b
array([[False, True, True],
[ True, False, False]], dtype=bool)
>>> y[b]
array([24123, 32432, 234])
>>> len(y[b])
3
>>>> y[b].sum()
56789
Обновление
Как ответил nneonneo, если все, что вам нужно, это количество элементов, которые проходят порог, вы можете просто сделать:
>>>> (y>200).sum()
3
что является более простым решением.
Сравнение скорости с filter:
### use boolean/mask array ###
b = y > 200
%timeit y[b]
100000 loops, best of 3: 3.31 us per loop
%timeit y[y>200]
100000 loops, best of 3: 7.57 us per loop
### use filter ###
x = y.ravel()
%timeit filter(lambda x:x>200, x)
100000 loops, best of 3: 9.33 us per loop
%timeit np.array(filter(lambda x:x>200, x))
10000 loops, best of 3: 21.7 us per loop
%timeit filter(lambda x:x>200, y.ravel())
100000 loops, best of 3: 11.2 us per loop
%timeit np.array(filter(lambda x:x>200, y.ravel()))
10000 loops, best of 3: 22.9 us per loop
*** use numpy.where ***
nb = np.where(y>200)
%timeit y[nb]
100000 loops, best of 3: 2.42 us per loop
%timeit y[np.where(y>200)]
100000 loops, best of 3: 10.3 us per loop
Здесь вариант, который использует причудливую индексацию и имеет фактические значения в качестве промежуточного:
p31 = numpy.asarray(o31)
values = p31[p31<200]
za = len(values)
Чтобы подсчитать количество значений больше чем x в любом массиве numpy, вы можете использовать:
n = len(matrix[matrix > x])
Логическое индексирование возвращает массив, содержащий только те элементы, для которых выполняется условие (matrix> x). Тогда len() считает эти значения.