Kombinieren von Schritten

Question

Gibt es eine Möglichkeit, diese Schritte zu kombinieren, so dass ich die Effizienz durch Reduzierung der Anzahl der Iterationen verbessern kann.

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

Ansatz # 1

Für mich sieht die Ineffizienz wie in den letzten beiden Schritten zu sein. So könnte man vermeiden first_cut_depth_3D zu schaffen und zu first_cut_final mit on the fly Datenreplikation erhalten und elemente Multiplikation mit NumPy broadcasting, wie so -

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 

---

Ansatz # 2 (für RGB-Eingang Arrays)

Wenn first_cut_depth RGB-Bilddaten sein sollen, hat es nur positive Werte. So kann man das für eine viel effizientere Einzeiler-Lösung ausnutzen, so -

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