Python怎么将普通数值矩阵转换为01矩阵

在Python中将普通数值矩阵转换为01矩阵，最直接且高效的方法是设定判定阈值，先利用比较运算符生成布尔矩阵，再将其强制转换为整型。根据数据载体的不同，NumPy数组可以直接调用 (matrix >= threshold).astype(int) 或 np.where()，原生列表可通过嵌套列表推导式处理，Pandas数据框则可通过布尔掩码结合类型转换实现。本文将针对这几类常见数据结构展开具体实现步骤、底层机制与选型建议。

一、基于NumPy数组的转换方法

在科学计算与数据分析场景中，矩阵通常以 numpy.ndarray 的形式存在。利用NumPy的向量化广播特性，不需要编写任何显式循环即可毫秒级完成矩阵二值化。

1. 广播比较与类型铸造（推荐写法）

该方法首先对矩阵执行标量比较，生成一个相同维度的布尔类型数组（元素为 True 或 False），随后调用 .astype() 将布尔值转换为整型，其中 True 转为 1，False 转为 0。

import numpy as np

# 构造一个 3x3 的普通浮点数值矩阵
matrix = np.array([
    [0.15, 0.82, 0.45],
    [0.91, 0.33, 0.68],
    [0.12, 0.50, 0.77]
])

# 设定阈值为 0.5：大于等于 0.5 的转为 1，其余转为 0
binary_matrix = (matrix >= 0.5).astype(int)

# 打印示例输出
print(binary_matrix)
# 示例输出：
# [[0 1 0]
#  [1 0 1]
#  [0 1 1]]

2. 使用 np.where 函数

np.where(condition, x, y) 接受三个参数：判定条件、满足条件时的返回值以及不满足时的返回值。如果转换规则除了 0 和 1 外未来还可能扩展，或者需要在单行内明确写出替代值，np.where 是最清晰的选择。

# 使用 np.where 实现二值化
binary_where = np.where(matrix >= 0.5, 1, 0)

print(binary_where)
# 示例输出与前面一致，返回 dtype 为 int64 的 01 矩阵

二、原生Python嵌套列表的转换方法

如果当前环境不允许引入外部依赖库（如标准库轻量运行环境），矩阵通常使用双层嵌套列表表示。此时可以通过嵌套列表推导式或内置的 map 高效处理。

1. 嵌套列表推导式

列表推导式具有优良的可读性与解释器内联优化，外层循环遍历矩阵行，内层循环对每个数值应用三元表达式。

# 原始嵌套列表形式的矩阵
raw_matrix = [
    [12.5, 3.2, 8.7],
    [4.1, 15.0, 6.3],
    [9.8, 2.1, 11.4]
]

threshold = 8.0

# 列表推导式：大于等于阈值记为 1，否则记为 0
binary_list = [[1 if val >= threshold else 0 for val in row] for row in raw_matrix]

print(binary_list)
# 示例输出：
# [[1, 0, 1],
#  [0, 1, 0],
#  [1, 0, 1]]

2. 利用 int() 强转布尔表达式

在Python中，布尔类型 bool 是 int 的直接子类，int(True) 返回 1，int(False) 返回 0。可以直接利用这一语言特性简化推导式：

# 利用 int(bool) 进行紧凑转换
compact_binary = [[int(val >= threshold) for val in row] for row in raw_matrix]

三、底层转换机制与内存开销考量

在处理超大规模矩阵（例如高光谱图像、用户行为邻接矩阵）时，数据类型（dtype）的选择直接决定了系统的内存吞吐与处理性能。很多开发者默认使用 .astype(int)，在 64 位操作系统下通常会被隐式推导为 int64（单元素占用 8 字节），这与原矩阵的 float64 占用的内存完全一致，无法体现二值矩阵的轻量优势。

四、进阶二值化场景与规则处理

现实任务中，数值转换为01矩阵往往并非单一固定阈值所能涵盖。常见变体包括局部自适应阈值、双阈值区间判定以及缺失值（NaN）的隔离保护。

1. 行/列局部自适应均值二值化

当矩阵各行（例如不同传感器通道）基准数值范围相差极大时，使用统一全局阈值会导致部分行全为0或全为1。此时可以计算每行的均值作为动态阈值：

# 每一行按自身均值作为阈值
row_means = matrix.mean(axis=1, keepdims=True)
adaptive_binary = (matrix >= row_means).astype(np.uint8)

2. 双阈值区间二值化（带通判定）

若需要筛选落在某个有效数值区间 [min_val, max_val] 内的元素为 1，其余为 0，必须使用按位与运算符 & 并为各条件加上圆括号：

# 筛选 [0.3, 0.7] 区间内的元素为 1
in_range_binary = ((matrix >= 0.3) & (matrix <= 0.7)).astype(np.uint8)

3. 矩阵包含缺失值（NaN）的安全转换

在NumPy中，任何数值与 np.nan 的比较结果均为 False。如果不加处理直接使用 (matrix >= 0.5).astype(int)，原本缺失的 NaN 元素会被悄然转换为 0，从而引入脏数据。若业务上需要保留缺失状态，可以使用 np.where 保持浮点型的 np.nan：

nan_matrix = np.array([
    [0.2, np.nan],
    [0.8, 0.4]
])

# 安全保留 NaN，其余部分转为 1.0 和 0.0
safe_binary = np.where(np.isnan(nan_matrix), np.nan, (nan_matrix >= 0.5).astype(float))

print(safe_binary)
# 示例输出：
# [[ 0. nan]
#  [ 1.  0.]]

五、Pandas DataFrame 对象的二值化处理

当数值矩阵存储在 pandas.DataFrame 中时，通常伴随着行索引（Index）和列名（Columns）。直接转为NumPy数组会丢失这些元数据，因此建议直接在DataFrame上执行二值化：

import pandas as pd

# 创建带有行标签和列标签的数值表格
df = pd.DataFrame({
    'feature_A': [0.1, 0.9, 0.4],
    'feature_B': [0.8, 0.2, 0.7],
    'feature_C': [0.3, 0.6, 0.5]
}, index=['sample_1', 'sample_2', 'sample_3'])

# 全局阈值判定：直接与数值比较并强转类型
binary_df = (df >= 0.5).astype(int)

print(binary_df)
# 示例输出：
#           feature_A  feature_B  feature_C
# sample_1          0          1          0
# sample_2          1          0          1
# sample_3          0          1          1

若不同列具有不同的物理意义和阈值标准，可以传入字典或Series实现列级别的差异化二值化：

# 为不同特征列分别指定独立阈值
column_thresholds = {'feature_A': 0.3, 'feature_B': 0.5, 'feature_C': 0.4}
custom_binary_df = (df >= column_thresholds).astype(int)

六、技术方案选型与对比总结

根据数据结构、环境约束和性能要求的不同，各实现方案的适用场景对比如下表所示：

七、常见问题与注意事项

• 布尔型矩阵直接参与运算的隐患：虽然在纯Python与NumPy的加法运算中 True + True 会得出 2，看似与数值 1 等价，但在执行严格类型校验的下游系统（例如 JSON 序列化、PyTorch/TensorFlow 张量输入、数据库整型写入）中，布尔类型通常不会被自动兼容。因此务必显式执行 .astype(int) 或 .astype(np.uint8) 完成离散整数化。
• 比较运算符优先级问题：在构建复合判定条件时（如 matrix >= 0.2 & matrix <= 0.8），由于按位与 & 的优先级高于比较运算符 >= 和 <=，不加括号会导致语法错误或逻辑异常，必须为每一个比较项外包裹圆括号：(matrix >= 0.2) & (matrix <= 0.8)。
• 就地修改（In-place）与副本机制：(matrix >= 0.5) 会在内存中开辟新的布尔数组。如果内存极端受限且希望在原矩阵上原地修改，可借助布尔索引：matrix[matrix < 0.5] = 0; matrix[matrix >= 0.5] = 1，但需要注意该操作会保留原矩阵的浮点数据类型（如 float64），不会自动将存储格式降阶为整型。