Python numpy如何将数组更改为除最大值以外的零值

我想做一个函数，当输入一个数组时，它返回一个形状相同的数组，但是除了最大值1之外，所有的零都是零。使用这样的数组：

my_array = np.arange(9).reshape((3,3))

[[ 0.  1.  2.]
 [ 3.  4.  5.]
 [ 6.  7.  8.]]

[[ 0.  0.  0.]
 [ 0.  0.  0.]
 [ 0.  0.  8.]]

当传入函数时，我希望它如下所示：

my_array = np.arange(9).reshape((3,3))

[[ 0.  1.  2.]
 [ 3.  4.  5.]
 [ 6.  7.  8.]]

[[ 0.  0.  0.]
 [ 0.  0.  0.]
 [ 0.  0.  8.]]

例外情况：

当有许多最大值相等时，我只想要其中一个，其余的都为零（顺序无关紧要）

---

我真的不知道如何以一种更高效的优雅方式实现这一点，你会怎么做？

为了提高效率，请使用

数组初始化

和

argmax

获取最大索引（如果多个索引，则首先线性索引）-

我们也可以使用

ndarray.ravel（）

来代替

ndaarray.flat

，我认为性能数字是可以比较的

对于此sparsey输出，为了提高内存效率和性能，您可能需要使用

sparse

矩阵，尤其是对于大型阵列。因此，对于稀疏矩阵输出，我们将有一个替代方案，如下所示-

from scipy.sparse import coo_matrix

def app_sparse(my_array):
    idx  = my_array.argmax()
    r,c = np.unravel_index(idx, my_array.shape)
    return coo_matrix(([my_array[r,c]],([r],[c])),shape=my_array.shape)

样本运行-

In [336]: my_array
Out[336]: 
array([[0, 1, 2],
       [3, 4, 5],
       [8, 7, 8]])

In [337]: app_flat(my_array)
Out[337]: 
array([[0, 0, 0],
       [0, 0, 0],
       [8, 0, 0]])

In [338]: app_sparse(my_array)
Out[338]: 
<3x3 sparse matrix of type '<type 'numpy.int64'>'
    with 1 stored elements in COOrdinate format>

In [339]: app_sparse(my_array).toarray() # just to confirm values
Out[339]: 
array([[0, 0, 0],
       [0, 0, 0],
       [8, 0, 0]])

只有几行：

my_array = np.arange(9).reshape((3,3))
my_array2 = np.zeros(len(my_array.ravel()))
my_array2[np.argmax(my_array)] = np.max(my_array)
my_array2 = my_array2.reshape(my_array.shape)

---

ravel

如果在平面视图中步幅不合适，则复制一个副本，因此

flat

在这里可能更好。