根据阈值将NumPy数组转换为0或1。

Question

我有下面这个数组:

a=np.array([0.1, 0.2, 0.3, 0.7, 0.8, 0.9])

我想要的是将这个向量根据阈值转换成二元向量。 以阈值为0.5为例，大于0.5的元素转换为1，否则为0。
输出向量应该如下所示：

a_output = [0, 0, 0, 1, 1, 1]

我该如何做到这一点？

- freefrog

---

这个回答解决了你的问题吗？如果条件满足，替换Numpy元素 - Georgy

Answer 1

np.where

np.where(a > 0.5, 1, 0)
# array([0, 0, 0, 1, 1, 1])

---

使用astype进行布尔值转换

(a > .5).astype(int)
# array([0, 0, 0, 1, 1, 1])

---

np.select

np.select([a <= .5, a>.5], [np.zeros_like(a), np.ones_like(a)])
# array([ 0.,  0.,  0.,  1.,  1.,  1.])

---

特殊情况: np.round

如果你的数组值是介于0和1之间的浮点数，并且你的阈值为0.5，那么这是最佳解决方案。

a.round()
# array([0., 0., 0., 1., 1., 1.])

- cs95

---

哪种方法在使用'dtype'为'uint8'时速度最快？np.select方法默认返回'uint8'，但看起来更加复杂。 - user3613932

如果您希望获得一个dtype为“bool”的Numpy数组，则a>0.5将为您提供该数组。 - user3613932

@user3613932 我之前写过这个答案，如果我没记错的话，你可以使用 > .5 来获取一个布尔掩码，然后调用 .view 将视图更改为 uint8，这应该比 astype 更快...看一下，如果不行就告诉我。 - cs95

根据官方文档，不确定view与astype相比安全性如何。 astype会创建一个新的副本，而view则利用原始变量的内存。 - user3613932

Answer 2

你可以使用来自 sklearn.preprocessing 模块的 binarize。但是，只有当你想要最终值为二进制即“0”或“1”时，它才会起作用。上面提供的答案也很适用于非二进制结果。

from sklearn.preprocessing import binarize

a = np.array([0.1, 0.2, 0.3, 0.7, 0.8, 0.9]).reshape(1,-1)
x = binarize(a) 
a_output = np.ravel(x)
print(a_output) 

#everything together 
a_output = np.ravel(binarize(a.reshape(1,-1), 0.5))

- conflicted_user