如何快速将NumPy数组中超出指定值的元素截断至该值？

你可以用NumPy内置的矢量化函数来实现，比numpy.vectorize快得多，推荐两种方法：

• 使用numpy.minimum：直接对数组和目标值n逐元素取最小值，天生就是矢量化操作，效率极高。
  示例代码：

  import numpy as np
  
  arr = np.array([1, 5, 2, 6, 6.7, 8, 10])
  n = 6
  truncated_arr = np.minimum(arr, n)
  print(truncated_arr)  # 输出: [1. 5. 2. 6. 6. 6. 6.]
  

• 使用numpy.clip：这个函数可以同时限制元素的上下界，只设置上界即可满足需求（下界设为None表示不限制）。
  示例代码：

  truncated_arr = np.clip(arr, a_min=None, a_max=n)
  

为什么numpy.vectorize速度慢？ #

numpy.vectorize并不是真正的矢量化实现，它只是给循环套了个语法糖，底层还是逐个处理元素，所以面对大数组时速度会明显变慢。而上面的两个函数都是基于NumPy的C语言底层矢量化运算，能充分利用数组的批量处理优势，速度提升非常显著。

内容的提问来源于stack exchange，提问作者Enx