数值相等时的numpy argmax

Question

我得到了一个numpy矩阵，我想得到每行中最大值的索引。例如

[[1,2,3],[1,3,2],[3,2,1]]

将返回

[0,1,2]

但是，当每行中的最大值超过1时，numpy.argmax将只返回最小的索引。例如

[[0,0,0],[0,0,0],[0,0,0]]

将返回

[0,0,0]

我可以将默认值(最小索引(更改为其他值吗？例如，当有相等的最大值时，返回1或None，则上述结果为

[1,1,1]
or
[None, None, None]

如果我能在TensorFlow中做到这一点，那会更好。

谢谢！

Answer 1

您可以使用np.partition两个查找两个最大值并检查它们是否相等，然后将其用作np.where中的掩码以设置默认值：

In [228]: a = np.array([[1, 2, 3, 2], [3, 1, 3, 2], [3, 5, 2, 1]])
In [229]: twomax = np.partition(a, -2)[:, -2:].T
In [230]: default = -1
In [231]: argmax = np.where(twomax[0] != twomax[1], np.argmax(a, -1), default)
In [232]: argmax
Out[232]: array([ 2, -1,  1])

Answer 2

一个方便的"default"值是-1，因为argmax本身不会返回该值。None不适合整数数组。屏蔽数组也是一种选择，但我没有走那么远。以下是NumPy实现

def my_argmax(a):
rows = np.where(a == a.max(axis=1)[:, None])[0]
rows_multiple_max = rows[:-1][rows[:-1] == rows[1:]]
my_argmax = a.argmax(axis=1)
my_argmax[rows_multiple_max] = -1
return my_argmax

使用示例：

import numpy as np
a = np.array([[0, 0, 0], [4, 5, 3], [3, 4, 4], [6, 2, 1]])
my_argmax(a)   #  array([-1,  1, -1,  0])

说明：where选择每行中所有最大元素的索引。如果一行具有多个最大值，则行号将在rows数组中出现多次。由于该数组已经排序，因此通过比较连续元素来检测这种重复。这标识了具有多个最大值的行，之后它们在NumPy的argmax方法的输出中被屏蔽。