NumPy 获取条目的每列索引，等于二维数组中每列的最大值

Question

我有一个二维数组：

A = np.array([[2,3,4],
              [2,0,4],
              [1,3,7]])

我正在搜索每列的索引，它表示此列的最大值 ，而不使用 for 循环 。

我想要的是：

max_rowIndices_perColumn = np.array([[0,1],[0,2],[2]])

我有使用的想法：

np.where(A== np.amax(A,axis=0))

但是和第二步一样，我想自己处理每个特定的列，我对这个想法不是很满意。

提前致谢

Answer 1

定义一个函数来获取列中最大值的索引：

def idxMax(col):
    _, _, inv = np.unique(-col, return_index=True, return_inverse=True)
    return np.where(inv == 0)[0].tolist()

然后生成结果为：

result = np.array([ idxMax(col) for col in A.T ], dtype=object)

对于您的源数据，结果是：

array([list([0, 1]), list([0, 2]), list([2])], dtype=object)

请注意，在一般情况下，无法保证每一列将 return 相同数量的最大索引，所以结果数组是一个“衣衫褴褛”的，在这种情况下 Numpy 需要传递 dtype=object。

但是如果你得到一个简单的 pythonic list of lists 就足够了（而不是 Numpy 数组），您可以将上面的代码缩小为：

result = [ idxMax(col) for col in A.T ]

在这种情况下，结果是：

[[0, 1], [0, 2], [2]]

Answer 2

您需要更深入地了解索引行为。

基本上，np.where returns C 顺序（逐行）的真细胞高级索引：

>>> np.where(mask)
(array([0, 0, 1, 2, 2]), array([0, 1, 0, 1, 2]))

但您需要在 Fortran order 中（逐列）像这样进行操作：

>>> np.where(mask, order='F') # not working, it doesn't support order parameter
(array([0, 1, 0, 2, 2]), array([0, 0, 1, 1, 2]))

它不起作用，但您可以改为传递 mask.T：

>>> np.where(mask.T) # fix
(array([0, 0, 1, 1, 2]), array([0, 1, 0, 2, 2]))

剩下的部分是将行索引拆分成组。总之，您可以这样解决您的问题：

mask = A == np.amax(A, axis=0)
x, y = np.where(mask.T)
div_points = np.flatnonzero(np.diff(x)) + 1
np.split(y, div_points)
>>> [array([0, 1]), array([0, 2]), array([2])]

NumPy 获取条目的每列索引，等于二维数组中每列的最大值

NumPy get indices per column of the entries which are equal to max value per column in a 2D-array

python

numpy

multidimensional-array