使用Julia 1.0 findmax等效于numpy.argmax

在Julia中，我想为每行中的最大值找到矩阵的列索引，结果是

向量{Int}

。下面是我目前的做法（

Samples

有7列和10000行）：

---

这是可行的，但感觉相当笨拙和冗长。想知道是否有更好的方法。

更新：为了完整起见，我将Matt B.的优秀解决方案添加到测试套件中（并且我还强制

f4

中的

转置

生成新的矩阵，而不是惰性视图）

以下是一些不同的方法（您的是基本情况

f0

）：

使用

BenchmarkTools

我们可以检查每个工具的效率（我设置了

x=rand（100200）

）：

因此，Matt的方法是相当明显的赢家，因为它似乎只是我的

f3

的一个语法更清晰的版本（这两个版本可能编译成非常相似的东西，但我认为检查这一点太过分了）

我希望

f4

可能有优势，尽管通过实例化

转置创建了临时，因为它可以对矩阵的列而不是行进行操作（Julia是一种列主语言，因此对列的操作总是更快，因为元素在内存中是同步的）。但这似乎不足以克服暂时性的缺点

注意，如果您需要完整的
CartesianIndex
，即每行中最大值的行和列索引，那么显然适当的解决方案就是
argmax（x，dims=2）
Mapslices函数也是解决此问题的一个很好的选项：

julia> Samples = rand(10000, 7);

julia> res = mapslices(row -> findmax(row)[2], Samples, dims=[2])[:,1];

julia> res[1:10]
10-element Array{Int64,1}:
 3
 1
 3
 5
 4
 4
 1
 4
 5
 3

虽然这比科林上面建议的要慢得多，但对某些人来说可能更具可读性。这基本上与您开始使用的代码完全相同，但使用
mapsicles
而不是列表理解。
更简单：Julia有一个
argmax
函数，Julia 1.1+有一个
每一个
迭代器。因此：

map(argmax, eachrow(x))

简单、易读、快速-它与科林的
f3
和
f4
在我的快速测试中的性能相匹配。
可以做
last.
而不是
getindex.
如果idk更清晰的话。@LyndonWhite我在v1.1的
lastindex（：：CartesianIndex{2}）
上得到一个方法错误。诚然，我对此感到惊讶
CartesianIndex
是一个iterable right，因此它应该有一个
lastindex
方法…@LyndonWhite，我刚刚尝试迭代一个
CartesianIndex
，结果是：
错误：CartesianIndex故意不支持迭代。使用I而不是I…，或者使用Tuple（I）…
，因此显然当前行为有很好的理由。我确实喜欢你的
最后一个
想法，但是如果你也必须在其中添加
元组，那么我认为它在语法上不会更清晰：-）迭代是有意的，而
lastindex
我不认为是
idx[end]
作为一件事是有意义的。你想提出一个问题吗？@LyndonWhite我确实从GitHub问题页面开始，但是被默认的横幅推迟了：
如果你有问题或者不确定你正在经历的行为是否是一个bug，请搜索或发布到我们的讨论网站
。我现在打开了一个问题对不起，我更新了我的答案大约7000次。我想我现在已经完成了：-如果我的答案是有帮助的和完整的，那么请考虑投票和标记回答的问题（点击我的响应旁边的刻度标记）。我可能会与<代码> MMAPARS/<代码>：<代码> MAPPLATE（ROO-> FIDEMAX（行）[2 ]，样本，diMS=（2）] [：，1 ] < /代码>或：<代码> AgMax。（每行（样本））
Broadcast在这里效率不高，因为
eachrow
只是一个迭代器，所以Broadcast当前在使用它之前会将它收集到一个数组中-这是我希望在将来改进的东西，但现在它的性能会更差。另外，如果您仍停留在Julia 1.0上，请注意，我们在这里使用的
eachrow
定义非常简单！您可以临时将其添加到项目中：
julia> @btime f0($x);
  76.846 μs (13 allocations: 4.64 KiB)

julia> @btime f1($x);
  76.594 μs (11 allocations: 3.75 KiB)

julia> @btime f2($x);
  53.433 μs (103 allocations: 177.48 KiB)

julia> @btime f3($x);
  43.477 μs (3 allocations: 944 bytes)

julia> @btime f4($x);
  73.435 μs (6 allocations: 157.27 KiB)

julia> @btime f5($x);
  43.900 μs (4 allocations: 960 bytes)

julia> Samples = rand(10000, 7);

julia> res = mapslices(row -> findmax(row)[2], Samples, dims=[2])[:,1];

julia> res[1:10]
10-element Array{Int64,1}:
 3
 1
 3
 5
 4
 4
 1
 4
 5
 3

map(argmax, eachrow(x))