Сочетание шагов

Question

Есть ли способ объединить эти шаги, чтобы я мог повысить эффективность за счет сокращения количества итераций.

first_cut_new=first_cut-res 
first_cut_depth[first_cut_depth>min_value+150]=0 
first_cut_depth[first_cut_depth>0]=1 
first_cut_depth_3D=np.dstack((first_cut_depth,first_cut_depth,first_cut_depth)) 
first_cut_final= first_cut_depth_3D * first_cut_new 

Answer 1

Подход № 1

мне неэффективностью выглядит как на последних двух шагов. Таким образом, можно было бы избежать создания first_cut_depth_3D и получить first_cut_final с по репликации Муха данных и поэлементного умножения с NumPy broadcasting, как так -

first_cut_new = first_cut-res 
first_cut_depth[first_cut_depth>min_value+150]=0 
first_cut_depth[first_cut_depth>0]=1 
first_cut_final = first_cut_depth[...,None]*first_cut_new 

---

подход # 2 (для RGB входных массивов)

Если first_cut_depth должен быть данными изображения RGB, он будет иметь только положительные значения. Таким образом, можно использовать это для гораздо более эффективного однострочного решения, например:

first_cut_final = (first_cut_depth <= min_value+150)[...,None]*(first_cut-res)