我有一个二维数组的形式
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，限制在第一列给出的间隔内。我想查看第 5 行到第 8 行并找到第二列中最大值的最大行索引。在第 6 行的给定数据集中，data[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]
如果最大值没有再次出现在间隔之外的数据中，这将起作用。否则我会在最后一个 np.where 调用多个索引。总的来说，这感觉很笨拙，我想知道是否有一种更快的方法来只产生间隔中的索引。我想要相对于总数据数组的绝对索引，而不是 data_interval 数组的索引。通常，我发现很难在 numpy 中对成对出现的数据集（如 (x,y) 仅基于 x 或 y）进行排序/搜索数据，一旦数据在数组中。欢迎提供处理此类问题的提示/建议。
我们可以先做到这一点掩盖了其中的状况确实值不成立，再使用argmax，计算其中第二列是最大的指数。
所以我们屏蔽：
data_masked = np.ma.masked_where((data[:,0] < 5) | (data[:,0] > 9), data[:,1])
所以这里的条件与过滤条件相反：所有行data[:0] < 5或data[:0] > 9都被屏蔽了。请注意，我们已经对第二列进行了投影。那么中间结果是：
>>> 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)
然后我们计算指数：
index = np.argmax(b)
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句