我有一个以下形式的二维数组
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]])
我想找到第二列中限制在第一列给出的间隔内的最大值。我想查看第 5 行到第 8 行,并找到第二列中最大值的最大行索引。在给定的数据集中,即第 6 行,data[6] = 6. , 0.54063927。我的目标是使用 numpy 获取索引 6。到目前为止我会这样做
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]
如果最大值在间隔之外的数据中没有再次出现,则此方法有效。否则我会进入最后一个 np.where 调用多个索引。总的来说,这感觉很笨拙,我想知道是否有一种更快的方法只产生区间内的索引。 我想要相对于总数据数组的绝对索引,而不是 data_interval 数组的索引。 一般来说,一旦数据集中在一个数组中,我发现很难在 numpy 中对仅基于 x 或 y 的成对数据集(如 (x,y))进行排序/搜索数据。欢迎提供处理此类问题的提示/建议。
最佳答案
我们可以通过首先屏蔽条件不成立的值来做到这一点,然后使用 argmax
,计算第二列最大的索引。
所以我们用以下内容掩盖:
data_masked = np.ma.masked_where((data[:,0] < 5) | (data[:,0] > 9), data[:,1])
所以这里的条件与过滤条件相反:data[:0] < 5
的所有行或data[:0] > 9
被掩盖了。请注意,我们已经对第二列进行了投影。则中间结果为:
>>> 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)
然后我们计算索引:
index = np.argmax(b)
关于python - Numpy 查找小范围数组内最大值的索引,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/48829633/