Python Numpy：在给定索引数组的最小值的数组中查找元素索引的有效方法

假设我有一个numpy数组

a=np.array（[1,5,3,2,4,6,7]）

。现在我有了另一个numpy数组

b=np.array（[-1，-2,3,2，-1，-3]）

。

b

的长度小于或等于

a

。我想找到

a

中最小元素的索引

I

，这样

b[I]>0

。因此，在上面的示例中，结果将是

3

，因为根据

b

只有索引

2、3

有效，并且

a[2]==3

和

a[3]==2

，所以选择了索引

3

我目前的解决办法是

    smallest = np.inf
    index = None
    for i in range(len(b)):
        if b[i] > 0:
            if(a[i] < smallest):
                smallest = a[i]
                index = i

minimate=np.inf
索引=无
对于范围内的i（len（b））：
如果b[i]>0：
如果（a[i]<最小值）：
最小值=a[i]
指数=i

---

我不确定我是否可以使用numpy更有效地完成它。任何建议都将不胜感激。谢谢。

这里有一种矢量化方法-

In [72]: idx = np.flatnonzero(b>0)

In [73]: idx[a[:len(b)][idx].argmin()]
Out[73]: 3

---

您可以使用b中索引的中间结果来获得正确的索引，下面是一种方法

import numpy as np
a = np.array([1, 5, 3, 2, 4, 6, 7])
b = np.array([-1, -2, 3, 2, -1, -3])

indices_to_check = np.where(b > 0)[0]
result = indices_to_check[np.argmin(a[indices_to_check])]
#Output:
3

一艘班轮：

idx = np.argwhere(a==a[:len(b)][b>0].min())[0]

可理解代码：

shortened_a = a[:len(b)]
filtered_a = shortened_a[b>0]
smallest = filtered_a.min()
indices_of_smallest = np.argwhere(a==smallest)
first_idx = indices_of_smallest[0]

---

它是代码高效的。为了弄清楚它是否在计算上有效，您应该始终分析它。但是一般来说，python

对于带有动态类型检测的
循环来说并不能用类型化数据打败numpy C代码。那
[：len（b）]
的目的是什么？@palpanzer是因为
a
可能比
b
大，但后来我想，
idx
是由
b
决定的，
idx
的索引不能大于
len（b）
，因此对于这种特定情况并不需要。啊，好吧，我想也许这是一些我不理解的聪明优化。。。