Question

需要比较numpy数组中的每个值，并将1返回到最大值，将0返回到其他值。我遇到了不同数量的[]。

输入示例：

[[[0.6673975 0.33333233]]
.
.
.
[[0.33260247 0.6673975]]]

预期产出：

[[[1 0]]
.
.
.
[[0 1]]]

Answer 1

让我们创建一个使用的示例案例：

a = np.array([[1, 2, 3], [4, 6, 5], [9, 1, 1]])

然后我们可以在最后一行（最后一个for-loop）上使用axis进行迭代，并相应地修改axis：

for i in range(a.shape[-2]):
    a[..., i, :] = a[..., i, :] == max(a[..., i, :])

这会将a修改为正确的结果：

array([[0, 0, 1],
       [0, 1, 0],
       [1, 0, 0]])

这种方法适用于任何矩形array，例如：

a = np.array([[1, 2], [4, 3], [9, 7]])

，并提供：

array([[0, 1],
       [1, 0],
       [1, 0]])

Answer 2

最大轴：

如果，正如Joe在评论中建议的那样，您正在寻找沿轴的最大值，那么，对于轴axis，

np.moveaxis((np.moveaxis(ar, axis, 0) == ar.max(axis)).astype(int), 0, axis)

或者，更快一点，

(ar == np.broadcast_to(np.expand_dims(ar.max(axis), axis), ar.shape)).astype(int)

应涵盖n维案例。

例如：

ar = np.random.randint(0, 100, (2, 3, 4))

ar
Out[157]: 
array([[[17, 28, 22, 31],
        [99, 51, 65, 65],
        [46, 24, 93,  4]],

       [[ 5, 84, 85, 79],
        [ 7, 80, 27, 25],
        [46, 80, 90,  3]]])

(ar == np.broadcast_to(np.expand_dims(ar.max(-1), -1), ar.shape)).astype(int)
Out[159]: 
array([[[0, 0, 0, 1],
        [1, 0, 0, 0],
        [0, 0, 1, 0]],

       [[0, 0, 1, 0],
        [0, 1, 0, 0],
        [0, 0, 1, 0]]])
ar.max(-1)
Out[160]: 
array([[31, 99, 93],
       [85, 80, 90]])

Max over full array：

在你有机会尝试识别等于整个阵列最大值的元素时，

(ar == ar.max()).astype(int)

应该给你想要的东西。

比较n维numpy数组中的值

2 个答案:

最大轴：

Max over full array：