假设我有一个float s的NumPy数组，有正值和负值。我有两个数字，假设它们是a和b，a <= b和[a, b]是一个（封闭的）数字范围。
我想让数组的所有值都落在[a, b]范围内，更具体地说，我想用相应的终值替换所有超出该范围的值。
我并不是试图缩放值来将数字放入一个范围，在Python中，这将是：

mina = min(arr)
scale = (b - a) / (max(arr) - mina)
[a + (e - mina) * scale for e in arr]

或者在NumPy中：

mina = arr.min()
scale = (b - a) / (arr.max() - mina)
a + (arr - mina) * scale

我尝试将所有低于a的值替换为a，将所有高于b的值替换为b，同时保持所有其他值不变，我可以在Python的单个列表解析中完成：

[e if a <= e <= b else (a if e < a else b) for e in arr]

我可以用两个广播做同样的事情：

arr[arr < a] = a
arr[arr > b] = b

尽管NumPy比Python快得多，但上面是两个循环，而不是一个，该方法效率低下，但已编译。
什么是更快的方法？
我已经做了多次测量，Python确实像预期的那样慢得多：

In [1]: import numpy as np

In [2]: numbers = np.random.random(4096) * 1024

In [3]: %timeit numbers[numbers < 256]
16.1 µs ± 219 ns per loop (mean ± std. dev. of 7 runs, 100,000 loops each)

In [4]: %timeit numbers[numbers > 512]
20.9 µs ± 526 ns per loop (mean ± std. dev. of 7 runs, 10,000 loops each)

In [5]: %timeit [e if 256 <= e <= 512 else (256 if e < 256 else 512) for e in numbers]
927 µs ± 101 µs per loop (mean ± std. dev. of 7 runs, 1,000 loops each)

In [6]: %timeit [e if 256 <= e <= 512 else (256 if e < 256 else 512) for e in numbers.tolist()]
684 µs ± 38.2 µs per loop (mean ± std. dev. of 7 runs, 1,000 loops each)

* 编辑 *

修复了将一个数字范围缩放到另一个范围的代码。当我问这个问题的时候，我没有想太多，因为它不相关，但是现在我重新考虑了一下，它显然是错误的，所以我纠正了它。

* 其他编辑 *

再想想，我原来的Python代码并没有那么高效，它只需要两次比较就可以完成，而原来的代码使用了三次：

[a if e < a else (b if e > b else e) for e in arr]