<分区>
假设我有一个 3D 数组:
>>> a
array([[[7, 0],
[3, 6]],
[[2, 4],
[5, 1]]])
我可以使用 axis=1 获取它的 argmax
>>> m = np.argmax(a, axis=1)
>>> m
array([[0, 1],
[1, 0]])
如何使用 m 作为 a 的索引，以便结果等同于简单地使用 max？
>>> a.max(axis=1)
array([[7, 6],
[5, 4]])
(这在m应用于其他相同形状的数组时很有用)
最佳答案
您可以使用 advanced indexing 执行此操作和 numpy broadcasting :
m = np.argmax(a, axis=1)
a[np.arange(a.shape[0])[:,None], m, np.arange(a.shape[2])]
#array([[7, 6],
# [5, 4]])
m = np.argmax(a, axis=1)
创建第一、第二和第三维索引的数组:
ind1, ind2, ind3 = np.arange(a.shape[0])[:,None], m, np.arange(a.shape[2])
因为维度不匹配，三个数组会广播，导致每个数组如下:
for x in np.broadcast_arrays(ind1, ind2, ind3):
print(x, '\n')
#[[0 0]
# [1 1]]
#[[0 1]
# [1 0]]
#[[0 1]
# [0 1]]
并且由于所有索引都是整数数组，它会触发 advanced indexing ，因此索引为 (0, 0, 0), (0, 1, 1), (1, 1, 0), (1, 0, 1) 的元素被拾取，即一个元素来自每个组合的数组作为索引。
关于python - Numpy:如何使用 argmax 结果来获得实际最大值？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/46840848/