Question

请考虑以下代码，该代码将生成以下dst矩阵。

tmp = pd.DataFrame()
tmp['a'] = np.random.randint(1, 10, 5)
tmp['b'] = np.random.randint(1, 10, 5)
dst = pairwise_distances(tmp, tmp, metric='l2')
dst

如下所示

array([[0. , 5.38516481, 5. , 4.12310563, 2. ],
[5.38516481, 0. , 1.41421356, 3.16227766, 5. ],
[5. , 1.41421356, 0. , 4. , 4.12310563],
[4.12310563, 3.16227766, 4. , 0. , 5. ],
[2. , 5. , 4.12310563, 5. , 0. ]])

现在，我想以某种方式将4作为输出列，因为对于row=0 and col=4而言，row0到与它本身分开的另一行的最小距离。我正在尝试使用以下代码来完成这项工作！但是np.nonzeros()搞砸了游戏。 np.argmin(dst[0, np.nonzero(dst[0,:])])我得到3作为输出，我应该得到4。我知道np.nonzero()返回另一组维度[1,2,3,4]，其中argmin选择3rd列，该列是4th矩阵的实际dst列。需要帮忙！在此先感谢！

Answer 1

使用argmin代替np.min，并将结果与dst[0,:]进行比较。最后，将其传递给np.flatnonzero或np.nonzero

np.flatnonzero(np.min(dst[0,np.nonzero(dst[0,:])]) == dst[0,:])

Out[150]: array([4], dtype=int64)

或

np.nonzero(np.min(dst[0,np.nonzero(dst[0,:])]) == dst[0,:])[0]

Out[151]: array([4], dtype=int64)

如果要返回整数索引，则可以在最后一步使用np.argmax

np.argmax(np.min(dst[0,np.nonzero(dst[0,:])]) == dst[0,:])

Out[157]: 4

我想获取不包含零的行的最小数字索引

1 个答案: