Question

我有一个形状为（n，n，g）的3D数组，我需要每个（n，n）argmax，即结果应该是长度为g的两个索引向量（x，y）每个。

直观的解决方案是：

rotate -pivot 0 0 0 0 0 0 $faceName;

但是，numpy不支持多轴作为参数。

是否有解决方法可以得到此结果？

Answer 1

在vstack前简单使用argmax

np.argmax(np.vstack(array),0)//5
Out[61]: array([4, 0], dtype=int64)

Answer 2

N, M, G = array.shape
[np.unravel_index(np.argmax(array[:, :, k]), (N, M)) for k in range(G)]

为简单起见，假设n = 2和g = 3：

import pprint
array = np.random.uniform(size=[2, 2, 3])
N, M, G = array.shape
pprint.pprint([array[:, :, k] for k in range(G)]) 

[array([[ 0.71863395,  0.86051707],
       [ 0.82812069,  0.62037209]]),
 array([[ 0.72423731,  0.59852891],
       [ 0.52208735,  0.0133947 ]]),
 array([[ 0.93927551,  0.99748664],
       [ 0.35097431,  0.48110289]])]

[np.unravel_index(np.argmax(array[:, :, k]), (N, M)) for k in range(G)] # -> [(0, 1), (0, 0), (0, 1)]

Answer 3

似乎您正在寻找2D切片的每个扁平版本的二维（行，列）argmax索引，可以说前两个轴已合并/合并。因此，第一个块将是array[:,:,0]，依此类推，我们需要找到argmax，并将该切片展平并追溯到原始2D形状。因此，要解决此问题，我们可以简单地重塑形状以合并前两个轴，沿着重塑后合并的第一个轴获得argmax，并使用np.unravel_index追溯原始索引，就像这样-

array2D = array.reshape(-1,array.shape[-1])
r,c = np.unravel_index(array2D.argmax(0),array.shape[:2])

样品运行-

In [29]: array = np.random.uniform(size=[5, 5, 1000])

In [30]: array2D = array.reshape(-1,array.shape[-1])

In [31]: r,c = np.unravel_index(array2D.argmax(0),array.shape[:2])

In [32]: len(r), len(c)
Out[32]: (1000, 1000)

让我们验证第一个2D切片的结果-

In [33]: array[:,:,0]
Out[33]: 
array([[0.81590174, 0.17919069, 0.22717883, 0.67863625, 0.97390595],
       [0.82096447, 0.05894774, 0.86379174, 0.13494354, 0.10003756],
       [0.37243189, 0.33714008, 0.21165031, 0.35910642, 0.15163255],
       [0.1376776 , 0.86866599, 0.43602004, 0.85421372, 0.77805012],
       [0.10519547, 0.7422571 , 0.35632275, 0.24168307, 0.76882613]])

In [34]: array[:,:,0].argmax() 
Out[34]: 4  # flattened index for 0.97390595 at (0,4) in the 2D slice

In [36]: r[0],c[0]
Out[36]: (0, 4)

Answer 4

让我们尝试

np.column_stack([np.arange(array.shape[0]), array.max(-1).argmax(1)])

这个想法是，第一个索引总是单调递增，因此我们需要的只是第二个索引。

Answer 5

最简单的方法是先散布然后解开索引。一行：

np.c_[np.unravel_index(np.argmax(a.reshape(-1, a.shape[-1]), axis = 0), a.shape[:-1])]

编辑：刚刚意识到，这基本上是@Divakar的答案，简直就是骨头。但是，它对于两个以上的维度都是有效的

多维np.argmax？

5 个答案: