是否有像 numpy.clip(a, a_min, a_max) 这样的函数，其中 a_min 和 a_max 之外的值被包裹而不是饱和? [英] Is there a function like numpy.clip(a, a_min, a_max) where values outside a_min and a_max are wrapped rather than saturated?

问题描述

对于给定的整数 numpy 数组，我可以使用 numpy.clip(a,a_min,a_max) 将该数组中的值饱和到任意最小值和最大值.我想知道是否有一个 numpy 函数或技巧可以做到这一点，而不是使值饱和，而是将它们包装起来.

我知道，如果我使用某个整数 dtype(例如:int8)创建一个 numpy 数组，那么我将对 [-128,128) 之外的值进行这种包装行为.但是，我想拥有可自定义的边界，即，如何将值包装在 [-10,10) 之间的数组中?

例如，假设我有一个名为 wrap() 的函数，那么我将其用作:

import numpya = numpy.array([10,5,-11,5],dtype=numpy.int64)b = wrap(a,min = -10, max = 10)

然后我希望 b 等于:

array([-10,5,9,5], dtype = int64)

提前致谢.

解决方案

如果我对问题的理解正确，您可以使用

获得所需的输出<预><代码>>>>((a - min) % (max - min)) + min数组([-10, 5, 9, 5])

% 运算符包装值(取 mod)，它的其余部分只是设置正确的包装范围.

For a given integer numpy array, I can saturate values in this array to an arbitrary min and max using numpy.clip(a,a_min,a_max). I was wondering if there is a numpy function or trick to doing this so that instead of saturating the values, it wraps them.

I know that if I make a numpy array with a certain integer dtype (for example: int8), then I will have this wrapping behaviour for values outside of [-128,128). However, I want to have customisable bounds, i.e., how would I wrap values in an array between [-10,10)?

For example, say I had such a function named wrap(), then I'd use it as:

import numpy
a = numpy.array([10,5,-11,5],dtype=numpy.int64)
b = wrap(a,min = -10, max = 10)

I'd then expect that b would equal:

array([-10,5,9,5], dtype = int64)

Thanks in advance.

解决方案

If I'm understanding the question correctly, you can get the desired output with

>>> ((a - min) % (max - min)) + min
array([-10,   5,   9,   5])

The % operator wraps the values (taking the mod), and the wrest of it just sets the correct range for wrapping.

这篇关于是否有像 numpy.clip(a, a_min, a_max) 这样的函数，其中 a_min 和 a_max 之外的值被包裹而不是饱和?的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！