Question

给定阈值alpha和numpy数组a，找到第一个索引i有多种可能性arr[i] > alpha;见Numpy first occurrence of value greater than existing value：

numpy.searchsorted(a, alpha)+1
numpy.argmax(a > alpha)

就我而言，alpha可以是标量，也可以是任意形状的数组。我希望函数get_lowest适用于两种情况：

alpha = 1.12
arr = numpy.array([0.0, 1.1, 1.2, 3.0])
get_lowest(arr, alpha)  # 2

alpha = numpy.array(1.12, -0.5, 2.7])
arr = numpy.array([0.0, 1.1, 1.2, 3.0])
get_lowest(arr, alpha)  # [2, 0, 3]

任何提示？

Answer 1

您可以使用广播：

In [9]: arr = array([ 0. ,  1.1,  1.2,  3. ])
In [10]: alpha = array([ 1.12, -0.5 ,  2.7 ])
In [11]: np.argmax(arr > np.atleast_2d(alpha).T, axis=1)
Out[11]: array([2, 0, 3])

要折叠多维数组，可以使用np.squeeze，但如果在第一种情况下需要Python浮点数，则可能需要做一些特殊的事情：

def get_lowest(arr, alpha):
    b = np.argmax(arr > np.atleast_2d(alpha).T, axis=1)
    b = np.squeeze(b)
    if np.size(b) == 1:
        return float(b)
    return b

Answer 2

searchsorted实际上可以解决问题：

numpy.searchsorted(a, alpha)

axis的{{1}}参数有助于解决问题;此

argmax

诀窍。确实

numpy.argmax(numpy.add.outer(alpha, -a) < 0, axis=-1)

数组中的numpy first occurence用于引用值数组

2 个答案: