numpy 掩码，用于计算满足条件的元素数

Question

如何使用 Numpy 对此进行矢量化循环？

count=0
arr1 = np.random.rand(184,184)
for i in range(arr1.size[0]):
    for j in range(arr1.size[1]):
        if arr1[i,j] > 0.6:
            count += 1
print count

我试过了：

count=0
arr1 = np.random.rand(184,184)
mask = (arr1>0.6)
indices = np.where(mask)
print indices , len(indices) 

我期望len(索引(给出计数，但它没有。请提出任何建议。

Answer 1

得到一个布尔掩码，只计算"True"：

(arr1 > 0.6).sum()

Answer 2

np.count_nonzero应该

比总和快一点：

np.count_nonzero(arr1 > 0.6)

事实上，它的速度是原来的三倍

>>> from timeit import repeat
>>> kwds = dict(globals=globals(), number=10000)
>>> 
>>> arr1 = np.random.rand(184,184)
>>> 
>>> repeat('np.count_nonzero(arr1 > 0.6)', **kwds)
[0.15281831508036703, 0.1485864429268986, 0.1477385900216177]
>>> repeat('(arr1 > 0.6).sum()', **kwds)
[0.5286932559683919, 0.5260644309455529, 0.5260107989888638]

Answer 3

你也可以使用 Numpy 数组的大小属性：

arr1 = np.random.rand(184,184)
arr1[ arr1 > 0.6 ].size