我认为最容易说明我的问题，一般情况很难解释。
假设我有一个矩阵
a with dimensions NxMxT,
人们可以将 T 视为时间维度(以使问题更容易)。设 (n,m) 为通过 NxM 的索引。我可能会称 (n,m) 为状态空间标识符。然后我需要找到 python/scipy 等价物
for each (n,m):
find a*(n,m) = min(a(n,m,:) s.t. a*(n,m) > a(n,m,T)
也就是说，为整个状态空间找到仍然高于最后一次(在时间维度中)观察值的最小状态空间值。
我的第一次尝试是先解决内层问题(找到比a[...,-1]高的a):
aHigherThanLast = a[ a > a[...,-1][...,newaxis] ]
然后我想为每个 (n,m) 找到所有这些中最小的一个。不幸的是，aHigherThanLast 现在包含所有这些值的一维数组，所以我不再有 (n,m) 对应关系。对此有什么更好的方法？
还有一个问题:状态空间是可变的，它也可以是 3 维或更多维(NxMxKx...)，我无法对其进行硬编码。所以任何一种
for (n,m,t) in nditer(a):
不可行。
非常感谢!
/编辑:
a = array([[[[[[[[ 0., 2., 1.],
[ 0., 2., 1.],
[ 0., 2., 1.],
[ 0., 2., 1.],
[ 0., 2., 1.],
[ 0., 2., 1.],
[ 0., 2., 1.],
[ 0., 2., 1.],
[ 0., 2., 1.],
[ 0., 2., 1.]]]],
[[[[ 0., 2., 1.],
[ 0., 2., 1.],
[ 0., 2., 1.],
[ 0., 2., 1.],
[ 0., 2., 1.],
[ 0., 2., 1.],
[ 0., 2., 1.],
[ 0., 2., 1.],
[ 0., 2., 1.],
[ 0., 2., 1.]]]]],
[[[[[ 0., 2., 1.],
[ 0., 2., 1.],
[ 0., 2., 1.],
[ 0., 2., 1.],
[ 0., 2., 1.],
[ 0., 2., 1.],
[ 0., 2., 1.],
[ 0., 2., 1.],
[ 0., 2., 1.],
[ 0., 2., 1.]]]],
[[[[ 0., 2., 1.],
[ 0., 2., 1.],
[ 0., 2., 1.],
[ 0., 2., 1.],
[ 0., 2., 1.],
[ 0., 2., 1.],
[ 0., 2., 1.],
[ 0., 2., 1.],
[ 0., 2., 1.],
[ 0., 2., 1.]]]]]]]])
# a.shape = (1L, 1L, 2L, 2L, 1L, 1L, 10L, 3L). so in this case, T = 3.
# expected output would be the sort of
# b.shape = (1L, 1L, 2L, 2L, 1L, 1L, 10L), which solves
b[a,b,c,d,e,f,g] > a[a,b,c,d,e,f,g,-1](b 高于最新观测值)
a中i中没有元素同时满足
-- a[a,b,c,d,e,f,g,t] > a[a,b,c,d,e,f,g,-1]
-- a[a,b,c,d,e,f,g,t] < b[a,b,c,d,e,f,g] (b 是大于的最小元素最新观察)
因此，假设前一个数组是一个简单的堆栈 if [0,2,1] 沿着最后的观察，我期望
b = ones((1,1,2,2,1,1,10))*2
但是， - 如果在一些 (a,b,c,d,e,f,g) 中，不仅有 {0,1,2} 的值，还有 {3}，那么我仍然想要 2 (因为它是满足 i > 1 的 i = {2,3} 中的较小者。 - 如果在某些 (a,b,c,d,e,f,g) 中只有值 {0,1,3}，我想要 3，因为 i = 3 将是满足 i 的最小数字> 1.
希望这能稍微澄清一下？
/编辑2:
非常感谢答案，它有效。如果我想要相反的东西，即较小的那些中最大的，我将如何调整它？我没有尝试通过那个复杂的索引逻辑，所以我(弱)尝试只改变前三行没有成功:
b = sort(a[...,:-1], axis=-1)
b = b[...,::-1]
mask = b < a[..., -1:]
index = argmax(mask, axis=-1)
indices = tuple([arange(j) for j in a.shape[:-1]])
indices = meshgrid(*indices, indexing='ij', sparse=True)
indices.append(index)
indices = tuple(indices)
a[indices]
此外，我的第二次尝试 [...,::-1][indices] 也没有成功。
最佳答案
我认为 E 先生的做法是正确的。您一定要先对没有最后时间值的数组进行排序:
b = np.sort(a[..., :-1], axis=-1)
理想情况下，您现在可以使用 `np.searchsorted 来查找大于最终值的第一项的位置，但不幸的是 np.searchsorted 仅适用于展平数组，所以我们必须做更多的工作，比如创建一个 bool 掩码，然后使用 np.argmax 找到第一个 True:
mask = b > a[..., -1:]
index = np.argmax(mask, axis=-1)
你现在有了索引，要提取实际值，你需要做一些索引魔术:
indices = tuple([np.arange(j) for j in b.shape[:-1]])
indices = np.meshgrid(*indices, indexing='ij', sparse=True)
indices.append(index)
indices = tuple(indices)
现在你终于可以做到了:
>>> b[indices]
array([[[[[[[ 2., 2., 2., 2., 2., 2., 2., 2., 2., 2.]]],
[[[ 2., 2., 2., 2., 2., 2., 2., 2., 2., 2.]]]],
[[[[ 2., 2., 2., 2., 2., 2., 2., 2., 2., 2.]]],
[[[ 2., 2., 2., 2., 2., 2., 2., 2., 2., 2.]]]]]]])
>>> b[indices].shape
(1L, 1L, 2L, 2L, 1L, 1L, 10L)
要在较小的那些中获得最大的，您可以这样做:
mask = b >= a[..., -1:]
index = np.argmax(mask, axis=-1) - 1
即较小的项中最大的是相等或更大的项中最小项之前的项。第二种情况更清楚地表明，如果没有满足条件的项目，则此方法会给出垃圾结果。在第二种情况下，当发生这种情况时，您将获得索引的 -1，因此您可以通过 np.any(index == -1)< 检查结果是否有效.
如果第一种情况不能满足条件，你可以将索引设置为-1
mask = b > a[..., -1:]
wrong = np.all(~mask, axis=-1)
index = np.argmax(mask, axis=-1)
index[wrong] = -1
关于Python/Scipy : Find "bounded" min/max of a matrix，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/19930749/