我具有表单的二维数组
data = array([
[ 0.23 , 0.61070541],
[ 1.12 , 0.94622007],
[ 2.33 , 0.20868555],
[ 3.23 , 0.26452314],
[ 4.67 , 0.93988767],
[ 5.17 , 0.05736691],
[ 6.74 , 0.54063927],
[ 7.58 , 0.3045981 ],
[ 8.48 , 0.13873822],
[ 9.47 , 0.27759926],
[ 10.12 , 0.27030156]])
,我想在第二列中找到最大值,以限制为第一列给出的间隔。我想查看第5至8行,并在第二列中找到最大值的最大行索引。在将第6行的给定数据集中,数据[6] = 6。,0.54063927。我的目标是使用numpy获得索引6。到目前为止,我会做
data_interval = data[ np.where( (data[:,0] > 5) & data[:,0] < 9 ) ]
max_interval = data_interval.max(axis = 0)[1]
index = np.where(data == [None, max_interval])[0]
如果最大值在间隔之外的数据中没有另一个时间出现,则可以使用。否则我会进入最后一个NP。在哪里呼叫多个索引。总体而言,这感觉很笨拙,我想知道是否有更快的方式仅在间隔中产生索引。我想要关于总数据数组的绝对索引,而不是data_interval数组的索引。通常,我发现在numpy中,一旦数据在数组中在一起,就很难在numpy中进行分类/搜索数据。欢迎提示/有关处理此类问题的建议。
我们可以通过第一个屏蔽条件 not> not 保留的值来做到这一点,然后使用argmax
来计算索引第二列是最大的。
所以我们掩盖了:
data_masked = np.ma.masked_where((data[:,0] < 5) | (data[:,0] > 9), data[:,1])
因此,这里的条件是过滤条件的对面:将data[:0] < 5
或data[:0] > 9
掩盖的所有行。请注意,我们已经对第二列进行了投影。中间结果是:
>>> np.ma.masked_where((data[:,0] < 5) | (data[:,0] > 9), data[:,1])
masked_array(data=[--, --, --, --, --, 0.05736691, 0.54063927, 0.3045981,
0.13873822, --, --],
mask=[ True, True, True, True, True, False, False, False,
False, True, True],
fill_value=1e+20)
然后我们用:
计算索引index = np.argmax(b)