根据多个条件查找矩阵中的列位置

Question

我有一个如下形式的矩阵：

import numpy as np
matrix = np.array([[-2,2,6,7,8],[-3,7,1,0,-2]])

我想在第一行中找到具有最高可能值的列的位置，条件是第二行中的非负数，例如在我的例子中，我希望算法找到第 4 行。

solution = np.array([7,0])
column_location = 3

我尝试使用像 np.min(), np.max(),np.take() 这样的 numpy 函数，但在对矩阵进行子采样时丢失了位置信息。

Answer 1

这是一个草图：

pos_inds = np.where(matrix[1, :] >= 0)[0]  # indices where 2nd row is positive

max_ind = matrix[0, pos_inds].argmax()  # max index into row with positive values only

orig_max_ind = pos_inds[max_ind]  # max index into the original array


print(orig_max_ind)  # 3
print(matrix[:, orig_max_ind])  # [7, 0]

Answer 2

简单地说：

nn = np.where(matrix[1] >= 0)[0]
ix = nn[matrix[0, nn].argmax()]

关于您的数据：

>>> ix
3

Answer 3

这里我用masks来处理numpy，同时考虑到如果第二列所有的数都是负数，就无解了：

import numpy as np
import numpy.ma as ma
from copy import deepcopy

min_int = -2147483648

matrix = np.array([[-2, 2, 6, 7, 8], [-3, 7, 1, 0, -2]])

# we keep the original matrix untouched
matrix_copy = deepcopy(matrix)
masked_array = ma.masked_less(matrix[1], 0)
matrix_copy[0][masked_array.mask] = min_int
column_location = np.argmax(matrix_copy[0])

if matrix_copy[0][column_location] == min_int:
    print("No solution")
else:
    solution = np.array([matrix[0][column_location], matrix[1][column_location]])
    print(solution)  # np.array([7,0])
    print(column_location)  # 3

根据多个条件查找矩阵中的列位置

Find column location in matrix based on multiple conditions

python

numpy