Numpy 在数组的小范围内查找最大值索引

Question

我有一个形式为

的二维数组

 data = array([
       [  0.23        ,   0.61070541],
       [  1.12        ,   0.94622007],
       [  2.33        ,   0.20868555],
       [  3.23        ,   0.26452314],
       [  4.67        ,   0.93988767],
       [  5.17        ,   0.05736691],
       [  6.74        ,   0.54063927],
       [  7.58        ,   0.3045981 ],
       [  8.48        ,   0.13873822],
       [  9.47        ,   0.27759926],
       [ 10.12        ,   0.27030156]])

并且我想在第二列中找到最大值，该最大值限于第一列给定的间隔。我想查看第 5 到 8 行，并在第二列中找到最大值的最大行索引。在第 6 行的给定数据集中，data[6] = 6. , 0.54063927.我的目标是使用 numpy 获得索引 6。到目前为止我会做

data_interval = data[ np.where( (data[:,0] > 5) & data[:,0] < 9 ) ]
max_interval = data_interval.max(axis = 0)[1]
index = np.where(data == [None, max_interval])[0]

如果最大值没有再次出现在间隔之外的数据中，则此方法有效。否则我会在最后 np.where 调用多个索引。总的来说，这感觉很笨拙，我想知道是否有更快的方法只产生区间内的索引。 我想要关于总数据数组 的绝对索引，而不是data_interval 数组的索引。通常，我发现很难在 numpy 中对成对出现的数据集执行 sorting/searching 数据，例如 (x,y) 仅基于 x 或 y 一旦数据一起放在一个数组中。 Hints/Advice欢迎处理此类问题

Answer 1

我们可以先屏蔽掉条件不的值，然后使用argmax , 计算第二列最大的索引。

所以我们使用：

data_masked = np.ma.masked_where((data[:,0] < 5) | (data[:,0] > 9), data[:,1])

所以这里的条件是过滤条件的相反：所有data[:0] < 5或data[:0] > 9的行都被屏蔽掉了。请注意，我们已经对第二列进行了投影。那么中间结果是：

>>> np.ma.masked_where((data[:,0] < 5) | (data[:,0] > 9), data[:,1])
masked_array(data=[--, --, --, --, --, 0.05736691, 0.54063927, 0.3045981,
                   0.13873822, --, --],
             mask=[ True,  True,  True,  True,  True, False, False, False,
                   False,  True,  True],
       fill_value=1e+20)

然后我们计算指数：

index = np.argmax(b)

Numpy 在数组的小范围内查找最大值索引

Numpy Find Index of Maximum Value inside small range of array

python

search

numpy

max

intervals