Question

我正在尝试实现一个numpy函数，它将2D数组的每一行中的max替换为1，将所有其他数字替换为零：

>>> a = np.array([[0, 1],
...               [2, 3],
...               [4, 5],
...               [6, 7],
...               [9, 8]])
>>> b = some_function(a)
>>> b
[[0. 1.]
 [0. 1.]
 [0. 1.]
 [0. 1.]
 [1. 0.]]

到目前为止我尝试了什么

def some_function(x):
    a = np.zeros(x.shape)
    a[:,np.argmax(x, axis=1)] = 1
    return a

>>> b = some_function(a)
>>> b
[[1. 1.]
 [1. 1.]
 [1. 1.]
 [1. 1.]
 [1. 1.]]

Answer 1

方法＃1，调整你的：

>>> a = np.array([[0, 1], [2, 3], [4, 5], [6, 7], [9, 8]])
>>> b = np.zeros_like(a)
>>> b[np.arange(len(a)), a.argmax(1)] = 1
>>> b
array([[0, 1],
       [0, 1],
       [0, 1],
       [0, 1],
       [1, 0]])

[实际上，range会正常工作;我出于习惯写了arange。]

方法＃2，使用max代替argmax来处理多个元素达到最大值的情况：

>>> a = np.array([[0, 1], [2, 2], [4, 3]])
>>> (a == a.max(axis=1)[:,None]).astype(int)
array([[0, 1],
       [1, 1],
       [1, 0]])

Answer 2

我更喜欢使用numpy.where：

a[np.where(a==np.max(a))] = 1

Answer 3

a==np.max(a)将来会出现错误，因此，这是经过调整的版本，可以继续正确播放。

我知道这个问题很古老，但是我认为我有一个不错的解决方案，与其他解决方案有点不同。

# get max by row and convert from (n, ) -> (n, 1) which will broadcast
row_maxes = a.max(axis=1).reshape(-1, 1)
np.where(a == row_maxes, 1, 0)
np.where(a == row_maxes).astype(int)

如果需要进行更新，则可以

a[:] = np.where(a == row_maxes, 1, 0)

Answer 4

b = (a == np.max(a))

这对我有用

Numpy：将每行的最大值更改为1，将所有其他数字更改为0

4 个答案: