我想打印出具有最大值的数组的索引（并且由于索引从 0 开始，我需要将索引值加 1 以获得 1 索引）。例子：

上下文：我正在用 Python 编写一些多标准决策分析代码。我导入 numpy 来处理备选方案、标准和权重的数组。我使用 np.amax 在最终数组中找到最大值。

我有 DataFrame 视图Name和Date单元格中的权重值：

Start并且Finish应该参考下一个定义添加到数据帧中：

1. Start行中的第一个非零值从Jan17 列开始到Apr19
2. Finish序列中的第一个非零值，Apr19直到Jan17

此外，如果 row 在 row 中只有一个非零值，则Start和Finish 是相同的。

为了在行中找到第一个非零元素，我尝试过data[col].keys, np.argmax()，它按预期工作。

date_col_list = ['Jan17','Jun18','Dec18', 'Apr19']

data['Start']=data[date_col_list].keys([np.argmax(data[date_col_list].values!=0, axis=1)]

结果是：

为了检测Finish列的值，我尝试使用： np.apply_along_axisas： def func_X(i): return np.argmax(np.where(i!=0))

np.apply_along_axis(func1d = func_X, axis=1, arr=data[date_col_list].values)

结果是错误： 'tuple' object has no attribute 'argmax'

预期的数据框是：

如何参考从最后一列 ( ) 到第一列 ( )Finish的方向上的非零值？Apr19Jan17

I have a tensor of shape [batch_size, channel, depth, height, width]:

torch.Size([1, 1, 32, 64, 64])

with data:

Now to get the prediction from this I use

torch.argmax(data, 1)

which should give me the location of maximum values in the channel dimension, but instead I get a tensor containing only zeros. Even max(torch.argmax()) produces 0.

How can this be, the tensor is only a single dimension and a single batch, how can it return a 0?

To get rid of the negative values I applied torch.nn.Sigmoid() on it, but still argmax failed to find a maximum value. Which I dont understand, how can there not be a maximum value?

numpy.argmax(output.detach().numpy(), 1) gives the same output, all 0.

Am I not using argmax correctly?

我有以下情况。让我们定义一个 D (8,4) 矩阵：

让我们设置一个随机列：

我们将此值保存在一个空列表 Sp 中。

我想确定该列上矩阵 D 中最大值的索引。

到目前为止一切正常。现在我想执行相同的过程，但仅针对列 j 上的矩阵 D 的行子集（为简单起见，我们将其固定不变）。我试过这个

问题是返回的索引不是矩阵D中的元素对应的是谁，而是矩阵D[a,j]中的索引。结果应该是 z=2，它对应于值 58，然而，返回的值是 z=1，它是值 58 的位置，但是在矩阵 D[a,j] 中。

执行此过程时，我需要相对于原始矩阵 (D) 的索引。任何想法？我已经看到了一些方法，但我认为应该存在一些简单的方法来做到这一点？

请注意，它与此问题不同，因为行的子集并不总是 [1,2,3] 或 [5,6,7]。我的示例解决了一个通用子集，例如，[2,7,3,4] 没有明确的开始 - 结束。

我正在使用函数 Argmax 来获取字符串数组中最大大小的字符串，当字符串包含单个字符的重复时，结果会变得很奇怪。

例如：

让我们来看看 np.array：

我使用此代码查找第一列中的第一个元素，其中值大于阈值：

现在取阈值 = 1，我得到了预期的索引：

但是如果我选择一个大于 2 的值，则输出为 0。这会弄乱我的程序，因为我想取最后一个值而不是第一个值，以防没有元素满足阈值。

在这种情况下，有没有一种有效的方法来获取数组的最后一个值？

编辑：

我实际上不明白这应该如何帮助我： Numpy：如何在 numpy 数组的每一列中找到第一个非零值？

我宁愿寻找像让 argmax 返回False而不是 0 的东西。

@Divakar 和 @Achintha Ihalage 的解决方案比较

所以@Divakar 的解决方案超级快！非常感谢！

首先，抱歉标题含糊

由于我有兴趣了解有关 TensorFlow 和图像分割的更多信息，因此我正在关注他们的教程 ( https://www.tensorflow.org/tutorials/images/segmentation )。但是，我注意到一些我无法完全掌握的东西，也不是在谷歌搜索之后。

在这个部分：

首先为 pred_mask 向量创建一个新轴，然后只选择第一个元素的原因是什么？为什么不像我预期的那样，如下图所示：

如何找到一组二维互相关函数的相关峰值和坐标？给定一个包含一组 2D 互相关函数的 3D ndarray。找到最大（峰值）值及其坐标（x 和 y 索引）的有效方法是什么？
下面的代码完成了这项工作，但我认为它效率低下。

我有原始数据集。以下是原始数据示例：

在这个情绪的原始数据中，“pos”是指评论中积极的概率，“neu”是指中立的概率，“neg”是指消极的概率。“likes_count”是 Facebook 中评论的点赞数。我想在 pos、neu 和 neg 中选择概率最高的。并知道哪种情绪会获得最高的likes_count。例如 pos : 0.6, neu : 0.2, neg : 0.2 是正面评论。

我想要的输出如下：

你能帮我做这个吗？

原始数据的输入格式：

所以假设我有一个像这样的numpy数组：

Kotlin 是否有类似的（内置）功能？我找到了NumPy 的 Kotlin 绑定，但我没有找到实现的功能。

提前致谢！