代码之家 › 专栏 › 技术社区 › Hans Wurst

Numpy查找数组小范围内最大值的索引

intervals max search numpy python

Hans Wurst · 技术社区 · 6 年前

我有一个二维数组

 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]])

我想在第二列中找到最大值,限制在第一列给出的间隔内。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,数据[6]=6,0.54063927. 我的目标是使用numpy获得索引6。到目前为止我已经做到了

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]

如果最大值在间隔之外的数据中没有再次出现,则此操作有效。否则我会进入最后一个np。其中调用多个索引。总的来说,这感觉很笨拙,我想知道是否有一种更快的方法可以只生成区间内的指数。 我想要总数据数组的绝对索引 ,而不是data\u interval数组的索引。一般来说,我发现很难在numpy中对数据进行排序/搜索,因为一旦数据在一个数组中组合在一起,就很难根据x或y对数据集进行成对排序(x,y)。欢迎提供处理此类问题的提示/建议。

1 回复 | 直到 6 年前

willeM_ Van Onsem 6 年前

我们可以先这样做 屏蔽掉 条件所在的值不按住,然后使用 argmax ,以计算第二列为最大值的索引。

因此,我们使用以下方法进行遮罩:

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

所以这里的条件是 对面的 筛选条件的:所有行 data[:0] < 5 或 data[:0] > 9 都被遮住了。请注意,我们已经对第二列进行了投影。中间结果为:

>>> 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)

然后我们用以下公式计算指数:

index = np.argmax(b)