帮助找到解决问题的高性能方法：我在神经网络（answers_weight）之后有一个结果，一个答案类别（same len）和当前请求的允许类别：
answers_weight = np.asarray([0.9, 3.8, 3, 0.6, 0.7, 0.99]) # ~3kk items
answers_category = [1, 2, 1, 5, 3, 1] # same size as answers_weight: ~3kk items
categories_allowed1 = [1, 5, 8]
res = np.stack((answers_weight, answers_category), axis=1)
我需要知道最大元素的索引（在answers_weight数组中），但跳过不允许的类别（2,3）。
最后，索引必须= 2（“3.0”，因为“3.8”必须跳过，因为类别不允许）
最简单的方法是使用 numpy 的 masked_arrays 根据 allowed_categories 来屏蔽你的权重，然后找到argmax：
np.ma.masked_where(~np.isin(answers_category,categories_allowed1),answers_weight).argmax()
#2
另一种使用掩码的方法（这个假设唯一的最大权重）：
mask = np.isin(answers_category, categories_allowed1)
np.argwhere(answers_weight==answers_weight[mask].max())[0,0]
#2
我也用面具解决了这个问题
inds = np.arange(res.shape[0])
# a mask is an array [False True False False True False]
mask = np.all(res[:,1][:,None] != categories_allowed1,axis=1)
allowed_inds = inds[mask]
# max_ind is not yet the real answer because the not allowed values are not taken into account
max_ind = np.argmax(res[:,0][mask])
real_ind = allowed_inds[max_ind]