Python中numpy数组按阈值条件替换元素的实现方法

需为numpy数组设置如下替换规则：

• 数组内小于等于0.010545的元素，统一替换为0.010545
• 大于0.010545的元素保留原始值

现有初始代码运行生成的数组部分元素低于阈值，不符合预期，需调整代码得到目标结果。

直接使用numpy内置的逐元素最大值函数np.maximum()做下限截断即可，无需编写循环判断，代码简洁且运行效率高。

修正后的完整代码：

import numpy as np
sigma0 = 0.02109
a = 0.001
b = 0.001
t = np.linspace(0, 20, 10)
sigma1 = sigma0 - b * t
# 对数组做下限截断，保证所有元素不低于0.010545
sigma1 = np.maximum(sigma1, 0.010545)
print("sigma1 =", [sigma1])

逻辑说明 #

• np.maximum(sigma1, 0.010545)会逐位置对比数组元素和阈值0.010545，返回两者中更大的值：
  • 原元素大于阈值时，保留原元素值
  • 原元素小于等于阈值时，返回阈值0.010545
• 也可以用np.where()实现完全相同的效果，写法为sigma1 = np.where(sigma1 <= 0.010545, 0.010545, sigma1)，判断逻辑更直观但代码稍长。

运行上述代码后，输出结果和预期完全匹配：

sigma1 = [array([0.02109   , 0.01886778, 0.01664556, 0.01442333, 0.01220111,
       0.010545  , 0.010545  , 0.010545  , 0.010545  , 0.010545  ])]

内容的提问来源于stack exchange，提问作者Wiz123