7

我有 N 维矩阵,其中包含具有 N 个参数的函数的值。每个参数都有离散数量的值。我需要在除一个之外的所有参数上最大化该函数,从而产生一个大小等于非最大化参数值的数量的一维向量。我还需要保存其他参数采用的值。

为此,我想迭代地应用于numpy.max不同的轴以减少矩阵的维数以找到我需要的东西。然后,最终向量将仅取决于我遗漏的参数。

但是,我无法找到最终元素的原始索引(其中包含有关其他参数所采用的值的信息)。我虽然关于numpy.argmax以相同的方式使用numpy.max但我无法取回原始索引。

我正在尝试的一个例子是:

x = [[[1,2],[0,1]],[[3,4],[6,7]]]
args = np.argmax(x, 0)

这返回

[[1 1]
 [1 1]]

这意味着 argmax 正在选择原始矩阵中的元素 (2,1,4,7)。但是如何获得他们的指数呢?我尝试unravel_index使用args直接作为矩阵的索引x,从 numpy 到 index 的一堆函数都没有成功。

使用numpy.where不是解决方案,因为输入矩阵内部可能具有相同的值,因此我无法区分不同的原始值。

4

1 回答 1

10

x.argmax(0)给出最大值沿第 1 轴的索引. 用于np.indices生成另一个轴的索引。

x = np.array([[[1,2],[0,1]],[[3,4],[6,7]]])
x.argmax(0)
    array([[1, 1],
           [1, 1]])
a1, a2 = np.indices((2,2))
(x.argmax(0),a1,a2)
    (array([[1, 1],
            [1, 1]]),
     array([[0, 0],
            [1, 1]]),
     array([[0, 1],
            [0, 1]]))


x[x.argmax(0),a1,a2]
    array([[3, 4],
           [6, 7]])

x[a1,x.argmax(1),a2] 
    array([[1, 2],
           [6, 7]])

x[a1,a2,x.argmax(2)] 
    array([[2, 1],
           [4, 7]])

如果x有其他维度,则生成a1,并a2适当地。

官方文档并没有多说怎么使用argmax,但是之前的SO线程已经讨论过了。我从Using numpy.argmax() on multidimensional arrays 中得到了这个一般的想法

于 2013-11-21T20:55:24.853 回答