迭代多维数组

Question

我有一个想要遍历的3Dnumpy数组。如果很重要，这是一个.nii文件类型(用于存储核磁共振脑部数据的文件)，我使用nipy模块加载这些图像，然后可以将其作为numpy数组处理以进行图像处理。我想要对体素进行遍历，并且只包含值< 2的体素。

import nipy

import numpy   

img = nipy.load_image('image.nii.gz')

img_manip = img.get_data()

result = numpy.zeros(shape = img_manip.shape, dtype = img_manip.dtype) 

for matrix in img_manip:

    for row in matrix:

        for item in row:

            if item < 2:

                result += img_manip

这看起来很有效，但它非常慢，就像它现在还在运行一样。我只是在想，这是正确的方法吗？我应该改用np.empty吗？我不确定我对python还是个新手。

编辑:仅供参考，img_manip的形状如(368,170，32)，数据类型为float64

(对不起，我不知道如何让代码看起来像"pythonic"!)

Answer 1

我又找到了解决我的问题的办法！哈哈，好吧，它可能不是完美的，但它确实起到了作用。如果有人有更优雅的方法，请分享！顺便说一句，这不是我的解决方案，我实际上询问了漂亮的邮件列表，他们很高兴地帮助了我。不管怎样，他们建议我利用numpy的索引系统。所以你会说：

img_manip[img_manip > 2] = 0
result = 15000 * img_manip #This is optional, just makes it into a nicer range for my purposes

现在对于感兴趣的人来说，如果你想回到.nii格式，你可以使用nifti包，查看here，然后你可以简单地做

new_img = nifti.NiftiImage(result)

并保存您的输出！

编辑:你也可以使用nibabel (也许你应该这样做，因为它得到了进一步的支持/开发)：

new_img = nib.NiftiImage(result)

Answer 2

以下是使用nibabel和numpy的原始问题的潜在解决方案：

import nibabel as nib
import numpy as np
img = nib.load('image.nii.gz')
data = nib.get_data()
data[data>2] = np.nan  # If you really don't want to look at these...
nib.Nifti1Image(data, img.get_affine()).to_filename('new_image.nii.gz')