Question

我有以下代码：

on('data')...

即。我沿着轴= 2取argmax，它给了我一个（10,10）矩阵。现在，我想分配这些索引值0.为此，我想索引样本数组。我试过了：

import numpy as np
sample = np.random.random((10,10,3))
argmax_indices = np.argmax(sample, axis=2)

但它不起作用。我想要像

这样的东西

max_values = sample[argmax_indices]

我只是通过检查max_values = sample[argmax_indices] sample[argmax_indices] = 0应该给出零形状矩阵（10,10）来验证。任何帮助将不胜感激。

Answer 1

这是一种方法 -

m,n = sample.shape[:2]
I,J = np.ogrid[:m,:n]
max_values = sample[I,J, argmax_indices]
sample[I,J, argmax_indices] = 0

逐步运行示例

1）样本输入数组：

In [261]: a = np.random.randint(0,9,(2,2,3))

In [262]: a
Out[262]: 
array([[[8, 4, 6],
        [7, 6, 2]],

       [[1, 8, 1],
        [4, 6, 4]]])

2）沿axis=2获取argmax指数：

In [263]: idx = a.argmax(axis=2)

3）获取用于索引前两个dims的形状和数组：

In [264]: m,n = a.shape[:2]

In [265]: I,J = np.ogrid[:m,:n]

4）使用I，J和idx进行索引，以使用advanced-indexing存储最大值：

In [267]: max_values = a[I,J,idx]

In [268]: max_values
Out[268]: 
array([[8, 7],
       [8, 6]])

5）从zeros中减去np.max(a,axis=2)后，确认我们收到了所有max_values数组：

In [306]: max_values - np.max(a, axis=2)
Out[306]: 
array([[0, 0],
       [0, 0]])

6）再次使用advanced-indexing将这些地点指定为zeros并再进行一次视觉验证：

In [269]: a[I,J,idx] = 0

In [270]: a
Out[270]: 
array([[[0, 4, 6], # <=== Compare this against the original version
        [0, 6, 2]],

       [[1, 0, 1],
        [4, 0, 4]]])

Answer 2

np.ogrid的替代方法是np.indices。

I, J = np.indices(argmax_indices.shape)

sample[I,J,argmax_indices] = 0

Answer 3

这也可以推广到处理任何维度的矩阵。结果函数将沿着任何所需的维度d（原始问题的维度2）将矩阵的每个1-d向量中的最大值设置为0（或者对于任何需要的值）：

def set_zero(sample, d, val):
    """Set all max value along dimension d in matrix sample to value val."""
    argmax_idxs = sample.argmax(d)
    idxs = [np.indices(argmax_idxs.shape)[j].flatten() for j in range(len(argmax_idxs.shape))]
    idxs.insert(d, argmax_idxs.flatten())
    sample[idxs] = val
    return sample

set_zero(sample, d=2, val=0)

（在python 3.6.4和python 2.7.14上测试numpy 1.14.1）

python numpy argmax to multi in multidimensional array

3 个答案: