python numpy矩阵中令小于0的元素改为0

最新推荐文章于 2022-11-13 10:01:54 发布
最新推荐文章于 2022-11-13 10:01:54 发布
阅读量4.1k 收藏 2
点赞数
分类专栏： 基础函数 python
原文链接：https://blog.csdn.net/qq_22291287/article/details/79850263
版权 

   
   
  1. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
       >>> 
       
       import numpy 
       
       as np
      
      
    
     
     
  2. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
       >>> a = np.random.randint(
       
       -5, 
       
       5, (
       
       5, 
       
       5))
      
      
    
     
     
  3. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
       >>> a
      
      
    
     
     
  4. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
       array([[
       
       -4, 
       
       -4, 
       
       -5,  
       
       2,  
       
       1],
      
      
    
     
     
  5. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
              [
       
       -1, 
       
       -2, 
       
       -1,  
       
       3,  
       
       3],
      
      
    
     
     
  6. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
              [
       
       -1, 
       
       -2,  
       
       3, 
       
       -5,  
       
       3],
      
      
    
     
     
  7. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
              [ 
       
       0, 
       
       -3, 
       
       -5,  
       
       1, 
       
       -4],
      
      
    
     
     
  8. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
              [ 
       
       0,  
       
       3,  
       
       1,  
       
       3, 
       
       -4]])
      
      
    
     
     
  9. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
       # 方式一
      
      
    
     
     
  10. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
       >>> np.maximum(a, 
       
       0)
      
      
    
     
     
  11. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
       array([[
       
       0, 
       
       0, 
       
       0, 
       
       2, 
       
       1],
      
      
    
     
     
  12. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
              [
       
       0, 
       
       0, 
       
       0, 
       
       3, 
       
       3],
      
      
    
     
     
  13. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
              [
       
       0, 
       
       0, 
       
       3, 
       
       0, 
       
       3],
      
      
    
     
     
  14. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
              [
       
       0, 
       
       0, 
       
       0, 
       
       1, 
       
       0],
      
      
    
     
     
  15. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
              [
       
       0, 
       
       3, 
       
       1, 
       
       3, 
       
       0]])
      
      
    
     
     
  16. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
       # 方式二
      
      
    
     
     
  17. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
       >>> (a + abs(a)) / 
       
       2
      
      
    
     
     
  18. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
       array([[
       
       0, 
       
       0, 
       
       0, 
       
       2, 
       
       1],
      
      
    
     
     
  19. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
              [
       
       0, 
       
       0, 
       
       0, 
       
       3, 
       
       3],
      
      
    
     
     
  20. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
              [
       
       0, 
       
       0, 
       
       3, 
       
       0, 
       
       3],
      
      
    
     
     
  21. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
              [
       
       0, 
       
       0, 
       
       0, 
       
       1, 
       
       0],
      
      
    
     
     
  22. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
              [
       
       0, 
       
       3, 
       
       1, 
       
       3, 
       
       0]])
      
      
    
     
     
  23. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
       # 方式三
      
      
    
     
     
  24. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
       >>> b = a.copy()
      
      
    
     
     
  25. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
       >>> b[b < 
       
       0] = 
       
       0
      
      
    
     
     
  26. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
       >>> b
      
      
    
     
     
  27. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
       array([[
       
       0, 
       
       0, 
       
       0, 
       
       2, 
       
       1],
      
      
    
     
     
  28. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
              [
       
       0, 
       
       0, 
       
       0, 
       
       3, 
       
       3],
      
      
    
     
     
  29. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
              [
       
       0, 
       
       0, 
       
       3, 
       
       0, 
       
       3],
      
      
    
     
     
  30. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
              [
       
       0, 
       
       0, 
       
       0, 
       
       1, 
       
       0],
      
      
    
     
     
  31. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
              [
       
       0, 
       
       3, 
       
       1, 
       
       3, 
       
       0]])
      
      
    
     
     
  32. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
       # 方式四
      
      
    
     
     
  33. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
       >>> np.where(a > 
       
       0, a, 
       
       0)
      
      
    
     
     
  34. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
       array([[
       
       0, 
       
       0, 
       
       0, 
       
       2, 
       
       1],
      
      
    
     
     
  35. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
              [
       
       0, 
       
       0, 
       
       0, 
       
       3, 
       
       3],
      
      
    
     
     
  36. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
              [
       
       0, 
       
       0, 
       
       3, 
       
       0, 
       
       3],
      
      
    
     
     
  37. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
              [
       
       0, 
       
       0, 
       
       0, 
       
       1, 
       
       0],
      
      
    
     
     
  38. 
     
     
    
      
      
    
     
     
    
     
     
    
      
      
    
       
              [
       
       0, 
       
       3, 
       
       1, 
       
       3, 
       
       0]])

    未生无
    关注
    专栏目录
    【C++ 科学计算】矩阵元素绝对值小于设定值时，元素值变为零
    Fanjufei的博客
    11-24 448
    阈值阈值。
    Python之numpy详细教程
    风口IT猪的成长录
    07-02 2万+
    Numpy学习笔记Numpy介绍ndarray介绍ndarray与Python原生list运算效率对比ndarray的优势内存块风格ndarray支持并行化运算（向量化运算）效率远高于纯Python代码Numpy安装N维数组-ndarrayarray 创建ndarray的属性ndarray的形状ndarray的类型总结基本操作生成数组的方法生成0和1的数组np.empy()从现有数组生成关于array和asarray的不同生成固定范围的数组np.linspace (start, stop, num, end
    numpy矩阵中令小于0的元素改为0
    热门推荐
    pythonplusvable
    04-08 7万+
    &gt;&gt;&gt; import numpy as np &gt;&gt;&gt; a = np.random.randint(-5, 5, (5, 5)) &gt;&gt;&gt; a array([[-4, -4, -5, 2, 1], [-1, -2, -1, 3, 3], [-1, -2, 3, -5, 3], [ 0, -3, ...
    numpy将矩阵中小于0的值换成0的实例
    琼雪染枫华的博客
    12-09 5856
    a is a matrix or an array np.maximum(a, 0) (a+abs(a))/2 b = a.copy() b[b<0]=0 np.where(a > 0, a, 0)
    Python：如何将numpy array数组中小于0的数替换成0
    DeniuHe的博客
    04-17 1万+
    import numpy as np a = np.array([[0.5,1.5,2.5],[-0.5,0.5,1.5],[-1.5,-0.5,0.5],[-3,-2,-1]]) print(a) print(a < 0) #################### # a[a<0] = 0 # print(a) #################### # b = np.where(a>0,a,0) # print(b) ################### # np.maximu.
    python矩阵置零(leetcode)
    浮云
    11-21 817
    给定一个m x n 的矩阵, 如果一个元素为0，则将其所在的行和列所有元素都设为0，请使用原地算法。 思路：使用一个列表记录等于零的坐标，然后进行替换 class Solution01: def setZeroes(self, matrix): tmp = [] for i in range(len(matrix)): for j in range(len(matrix[0])): if matrix[i][.
    在numpy矩阵中令小于0的元素改为0的实例
    01-21
    >>> import numpy as np >>> a = np.random.randint(-5, 5, (5, 5)) >>> a array([[-4, -4, -5, 2, 1], [-1, -2, -1, 3, 3], [-1, -2, 3, -5, 3], [ 0, -3, -5, 1, -4], [ 0, 3, 1, 3, -4]]) # 方式一 >>> np....
    numpy向量转换为矩阵_Numpy之将矩阵拉成向量的实例
    weixin_28760171的博客
    01-13 3287
    Numpy之将矩阵拉成向量的实例废话不多说，直接上代码吧！# 矩阵操作# 将矩阵拉成向量import numpy as npx = np.arange(10).reshape(2,5)print(x)y1 = x.ravel()y2 = x.flatten()print("y1: ",y1," y2: ",y2)print(x)"""打印结果：[[0 1 2 3 4][5 6 7 8 9]]y1:...
    matlab将满足某一条件的矩阵元素置零
    wangyang20170901的博客
    01-02 2万+
    想把矩阵中小于100的元素置零，有两种方法： 方法一：S(S&lt;100)=0; 方法二：S(find(S&lt;100))=0; 原理： A = [ 1 2; 3 4]; B = (A&gt;2) %找到大于2 的位置索引 B =      0     0      1     1   %形成布尔矩阵 A(B)=0 %将对应的位置置零 A =      1     2   ...
    Python实现矩阵置零
    m0_49549614的博客
    07-15 2080
    LeetCode- 矩阵置零 题目描述 给定一个 m x n 的矩阵，如果一个元素为 0 ，则将其所在行和列的所有元素都设为 0 。请使用 原地 算法。 进阶： 一个直观的解决方案是使用 O(mn) 的额外空间，但这并不是一个好的解决方案。 一个简单的改进方案是使用 O(m + n) 的额外空间，但这仍然不是最好的解决方案。 你能想出一个仅使用常量空间的解决方案吗？ 示例一： 示例二： 思路说明 先对原数组补一圈零，让后对原数据记录下0所在的位置，即：将此位置的bool值设置为True，再遍历填
    Numpy矩阵获得小于某个值的所有值
    Kp0fS的草稿纸
    11-13 1389
    Numpy矩阵获得小于某个值的所有值 a = a[a<1.0]
    怎样将Numpy矩阵中大于或小于某一个值的元素的值统一置为某什值【用函数where()】
    昊虹AI笔记
    06-15 2168
    可以用成员函数where()实现这一需求。 详情见博文 https://blog.csdn.net/wenhao_ir/article/details/125295819 需要补充说明一点的是：成员函数where()不支持选择介于某个范围的值，即下面的写法是错误的： 这样写，会报下面的错误：...
    python图像灰度变换
    imxlw00的专栏
    09-28 3096
    二值化 非0元素取1法 非零元素取一法是最基础的二值化算法。顾名思义，非零取一就是对于灰度图像f，若某像素灰度值为零，则其灰度值不变，仍为零;对于灰度值不为零的像素，将其像素值全部变为255。 img = np.zeros((w, h), dtype=np.uint8) for j in range(h): for i in range(w): if grey[j, i] != 0: img[j, i] = 255 固定阀值法 固定阀值法就是为灰度
    np.maximum()函数详解——将数组中小于某值的数用0代替
    Smile@小女子的博客
    11-08 1万+
    目标：把数组中小于某个值的数都设为0。 np.max(a, axis=None, out=None, keepdims=False) 求a中的最大值 np.maximum：(a, b, out=自定义) a 与 b 逐位比较取其大者； import numpy as np data1 = [] #省略 data = np.maximum(data1，0.) #省略 ...
    Python——将小于0的数换成0的几种方式
    duanyunqi0521的博客
    10-14 9739
    >>> import numpy as np >>> a = np.random.randint(-5, 5, (5, 5)) >>> a array([[-4, -4, -5, 2, 1], [-1, -2, -1, 3, 3], [-1, -2, 3, -5, 3], [...
    矩阵中的常用数据处理
    123
    05-13 477
    1. 将矩阵中的每个小于0的元素转换为0 trainPredict[trainPredict < 0] = 0 2. 将矩阵中每个值进行对出处理 B=numpy.log10(B)
    2019年计算机组装与维护实训实习报告.pdf
    最新发布
    10-06
    计算机试题试卷课件
    评论 1
    添加红包

    请填写红包祝福语或标题

    个

    红包个数最小为10个

    元

    红包金额最低5元

    当前余额3.43元 前往充值 >
    需支付：10.00元
    成就一亿技术人!
    领取后你会自动成为博主和红包主的粉丝 规则
    hope_wisdom
    发出的红包
    实付元
    使用余额支付
    点击重新获取
    扫码支付
    钱包余额 0

    抵扣说明：

    1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
    2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

    余额充值