Question

我想创建一个函数，它将数组中沿指定轴的最近值返回给定值。

要获取最接近值的索引，我使用以下代码，其中arr是一个多维数组，value是要查找的值：

def nearest_index( arr, value, axis=None ):
    return ( np.abs( arr - value ) ).argmin( axis=axis )

但是我很难使用这个函数的结果从数组中获取值。

使用1D阵列很容易：

In [14]: arr_1 = np.random.randint( 10, 100, size=( 10, ) )

In [15]: arr_1
Out[15]: array([67, 49, 90, 29, 60, 80, 31, 55, 29, 10])

In [16]: nearest_index( arr_1, 50 )
Out[16]: 1

In [17]: arr_1[nearest_index( arr_1, 50 )]
Out[17]: 49

或使用扁平数组：

In [25]: arr_3 = np.random.randint( 10, 100, size=( 2, 3, 4, ) )

In [26]: arr_3
Out[26]:
array([[[85, 51, 74, 79],
        [63, 42, 27, 75],
        [89, 68, 80, 63]],

       [[85, 72, 74, 16],
        [85, 22, 47, 78],
        [44, 70, 98, 34]]])

In [27]: idx_flat = nearest_index( arr_3, 50, axis=None )

In [28]: idx_flat
Out[28]: 1

In [29]: idx = np.unravel_index( idx_flat, arr_3.shape )

In [30]: idx
Out[30]: (0, 0, 1)

In [31]: arr_3[idx]
Out[31]: 51

如何创建一个函数，它返回沿定义轴的值？

我尝试了Question的解决方案，但我只在axis=-1工作了。

请注意，如果数组中的多个元素同样接近预期值，则只发现结果的第一次出现，这对我来说不是问题。

Answer 1

对于多维数组，我们需要使用advanced-indexing。因此，对于通用的n-dim数组和指定的轴，我们可以这样做 -

def argmin_values_along_axis(arr, value, axis):   
    argmin_idx = np.abs(arr - value).argmin(axis=axis)
    shp = arr.shape
    indx = list(np.ix_(*[np.arange(i) for i in shp]))
    indx[axis] = np.expand_dims(argmin_idx, axis=axis)
    return np.squeeze(arr[indx])

样品运行 -

In [203]: arr_3 = np.random.randint( 10, 100, size=( 2, 3, 4, ) )

In [204]: arr_3
Out[204]: 
array([[[94, 55, 26, 51],
        [82, 66, 80, 66],
        [96, 54, 93, 57]],

       [[59, 28, 95, 56],
        [47, 48, 17, 77],
        [15, 57, 57, 25]]])

In [205]: argmin_values_along_axis(arr_3, value=50, axis=0)
Out[205]: 
array([[59, 55, 26, 51],
       [47, 48, 80, 66],
       [15, 54, 57, 57]])

In [206]: argmin_values_along_axis(arr_3, value=50, axis=1)
Out[206]: 
array([[82, 54, 26, 51],
       [47, 48, 57, 56]])

In [207]: argmin_values_along_axis(arr_3, value=50, axis=2)
Out[207]: 
array([[51, 66, 54],
       [56, 48, 57]])

Answer 2

这对我有用。

def nearest_index(arr, value, axis=None):
    return np.argmin(np.abs( arr - value ), axis=axis)

>>> X
array([[76, 94, 56, 93, 28,  0, 44, 50, 89, 93],
       [80, 99, 29, 98, 39, 27, 55, 70, 19, 76],
       [87,  7, 28, 78, 47, 95, 34, 97, 66, 27],
       [75, 78, 82, 30, 15,  0,  2, 25, 58, 69],
       [31,  2, 34,  1, 56,  7, 87, 78, 32, 77],
       [89, 80, 76, 97, 49, 18, 62, 35, 94, 41],
       [ 2, 44, 83,  3, 64,  4, 49, 93, 46,  8],
       [51, 63, 45, 57, 77, 90, 93,  4, 26, 81],
       [43, 92, 22, 98, 93, 36, 46, 25, 35, 36],
       [30, 14, 42, 91, 86, 14, 78,  9, 37, 19]])

>>> X[nearest_index(X, 2, axis=0), np.arange(10)]
array([ 2,  2, 22,  1, 15,  0,  2,  4, 19,  8])

>>> X[np.arange(10), nearest_index(X, 2, axis=1)]
array([ 0, 19,  7,  2,  2, 18,  2,  4, 22,  9])

NumPy沿多维数组轴

2 个答案: