Question

我有一个形状为（2，2，3）的多维数组：

array([[[  0.64,   0.49,   2.56],
    [  7.84,  13.69,  21.16]],

   [[ 33.64,  44.89,  57.76],
    [ 77.44,  94.09, 112.36]]])

我想找到每一行的最小值索引。因此，在此示例中，有4个最小值：0.49、7.84、33.64和77.44。

要获得这些最小值的索引，我认为这会起作用：

idx_arr = np.unravel_index(np.argmin(my_array,axis=2),my_array.shape)

这将产生以下索引数组：

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

但是，如人们所见，最小值没有正确计算：

my_array[idx_arr]
array([[0.49, 0.64],
   [0.64, 0.64]])

我在那里想念什么？

Answer 1

argmin实际上正在正确计算值。但是您误解了np.unravel_index的期望。

来自文档：

将平面索引或平面索引数组转换为的元组坐标数组。

要查看在此处提供期望的输出将接受哪种输入，我们需要集中注意要点：它将以非平面术语将平面数组转换为特定位置的正确坐标数组。本质上，期望的是期望点的坐标，就像将输入数组展平了。

import numpy as np
inp = np.array([[[  0.64,   0.49,   2.56],
    [  7.84,  13.69,  21.16]],

   [[ 33.64,  44.89,  57.76],
    [ 77.44,  94.09, 112.36]]])

idx = inp.argmin(axis=-1)
#Output:
array([[1, 0],
       [0, 0]], dtype=int64)

请注意，您无法直接发送此idx，因为它不能代表inp数组的扁平版本的正确坐标。

这看起来更像是以下内容：

flat_idx = np.arange(0, idx.size*inp.shape[-1], inp.shape[-1]) + idx.flatten()
#Output:
array([1, 3, 6, 9], dtype=int64)

我们可以看到unravel_index很高兴接受它。

temp = np.unravel_index(flat_idx, inp.shape)
#Output:
(array([0, 0, 1, 1], dtype=int64),
 array([0, 1, 0, 1], dtype=int64),
 array([1, 0, 0, 0], dtype=int64))

inp[temp]

输出：

array([ 0.49,  7.84, 33.64, 77.44])

此外，看看输出元组，我们可以注意到，自己重新创建相同的对象也不太困难。请注意，最后一个数组对应于idx的展平形式，而前两个数组本质上允许通过inp的前两个轴进行索引。

为此，我们可以以一种非常漂亮的方式实际使用unravel_index函数，如下所示：

real_idx = (*np.unravel_index(np.arange(idx.size), idx.shape), idx.flatten())
inp[real_idx]
#Output:
array([ 0.49,  7.84, 33.64, 77.44])

如何获得多维数组的最小值索引的数组？

1 个答案: