如何为两个同尺寸3D数组实现双阈值处理逻辑？

原代码存在的问题 #

• 逻辑混乱：处理Array1==3的分支时，先将ii中大于/小于3的元素替换为1/0后，ii中已无等于3的元素，后续判断if ii[ii == threshold]无法触发；且循环遍历整个Array2的切片，未对应Array1当前切片的位置，导致结果冗余且错误。
• 冗余操作：f1*i完全多余，直接操作Array1的切片即可。
• 效率低下：嵌套循环处理3D数组，未利用numpy向量化操作的优势，性能损耗大。

正确实现代码 #

利用numpy向量化操作批量处理，逻辑清晰且效率更高：

import numpy as np

# 假设array1和array2是已加载的(50,250,250)数组
threshold_array1 = 3
threshold_array2 = 50  # 按需求修正阈值为50，原代码误写为30

# 初始化结果数组，与原数组形状、类型一致
result = np.zeros_like(array1, dtype=np.float32)

# 处理Array1中大于3和小于3的元素
result[array1 > threshold_array1] = 1
result[array1 < threshold_array1] = 0

# 处理Array1中等于3的元素，对应检查Array2的阈值
mask_3 = array1 == threshold_array1
# Array2对应位置大于50设为1，其余情况（含nan）设为0
result[mask_3] = np.where(array2[mask_3] > threshold_array2, 1, 0)

代码说明 #

1. 初始化结果数组：用np.zeros_like创建与array1匹配的全0数组，后续逐步填充符合规则的值。
2. 批量处理非3元素：通过布尔索引直接赋值，一步完成array1中大于3设为1、小于3设为0的操作，无需循环。
3. 处理等于3的元素：
   • 创建布尔掩码mask_3标记array1中所有等于3的位置。
   • 用np.where对array2对应位置判断：大于50则赋值1，其余情况（包括小于等于50、nan）赋值0，直接写入结果数组对应位置。

结果验证 #

处理后的数组严格符合规则：

• array1元素>3 → 1
• array1元素<3 → 0
• array1元素=3 → 1（当array2对应元素>50），否则0（含nan）

内容的提问来源于stack exchange，提问作者Naj_m_Om