Question

我试图沿一个轴边缘化一个阵列并检查1-D峰值出现在与原始2-D峰值相同的相关指数处。在什么情况下（x的形式）下面的断言应该失败？

def check(x,axis=None):
    import numpy
    m = numpy.sum(x, axis=axis)
    v,w = numpy.unravel_index(numpy.argmax(x), x.shape)
    assert(v==numpy.argmax(m))
    return

对于x=numpy.array(range(15)).reshape(5,3)，check(x,axis=0)会引发错误，但check(x,axis=1)却没有。我不明白为什么AssertionError被提出 - 我是不是很蠢？

Answer 1

您正在检查拆开的索引的错误坐标。而不是

v,w=numpy.unravel_index(numpy.argmax(x),x.shape)
assert(v==numpy.argmax(m))

你可能想要

vw = numpy.unravel_index(numpy.argmax(x),x.shape)
assert vw[1 - axis] == numpy.argmax(m)

或者

v,w=numpy.unravel_index(numpy.argmax(x),x.shape)
assert (v if axis == 1 else w) == numpy.argmax(m)

Answer 2

axis参数的值非常重要。

使用x (N, M)数组，m=np.sum(x, axis=axis)将为您提供

标量axis=None;

M

axis=0数组如果N，则
axis=1数组。

因此，如果np.argmax(m) axis=None或0与M之间的整数（分别为N），则axis=0始终为0 axis=1 （分别为(v, w) = np.unravel_index(...)）。

但是，您的v始终会将N作为0到axis=0之间的整数。

正如您所见，使用m时，v的潜在值范围与axis=1的潜在值不同，而m的潜在值范围则相同。

因此，如果v，则将axis=1与w进行比较，如果axis=0，则将{{1}}与{{1}}进行比较（

numpy array - argmax的unravel_index v。和的argmax

2 个答案: