NumPy中是否存在实现阈值二值化功能的内置函数？

当然有啦！NumPy提供了多种简洁高效的内置方法来实现你需要的阈值二值化操作，而且都是向量化运算，比用map+lambda的循环方式性能好得多，尤其适合处理大规模数组。

下面是几种常用的实现方式：

• 使用np.where()（最直观，和你的逻辑对应）
  这个函数可以根据条件返回两个值中的一个，完全对应你写的三元表达式逻辑：

  import numpy as np
  
  y = np.array([0.4, 0.5, 0.6])
  threshold = 0.5
  result = np.where(y > threshold, 1, 0)
  print(result)  # 输出: [0 0 1]
  

• 布尔数组转整数（最简洁）
  NumPy的布尔数组可以直接通过astype(int)转换为整数数组，True会被转为1，False转为0，完美适配你的需求：

  result = (y > threshold).astype(int)
  print(result)  # 输出: [0 0 1]
  

• 使用np.heaviside()（专门的阶跃函数）
  这个函数是为阶跃逻辑设计的，第二个参数指定当输入为0时的输出值，设置为0就和你的需求一致了（等于阈值时输出0）：

  result = np.heaviside(y - threshold, 0).astype(int)
  print(result)  # 输出: [0 0 1]
  

如果你的数组规模很大，优先选这些NumPy原生方法，它们的执行效率会比Python级别的循环高很多~

内容的提问来源于stack exchange，提问作者Garvey