Python 为什么累积对numpy.max有效，但对numpy.argmax无效

这两个看起来应该是非常等效的，因此对一个有效的应该对另一个有效？那么，为什么累加只适用于最大值，而不适用于argmax

---

编辑：一个自然的后续问题是如何以最具pythonic/numpy风格的方式创建一个高效的argmax累积？

因为

max

是关联的，但

argmax

不是：

• max（a，max（b，c））==max（max（a，b，c）

• argmax（a，argmax（b，c））！=argmax（argmax（a，b，c）

---

这是您想要的

argmax

累加吗

示例阵列：

In [135]: a
Out[135]: array([4, 6, 5, 1, 4, 4, 2, 0, 8, 4])

您已经获得的最大值：

In [136]: am=np.maximum.accumulate(a)    
In [137]: am
Out[137]: array([4, 6, 6, 6, 6, 6, 6, 6, 8, 8], dtype=int32)

In [138]: a1=np.zeros_like(a)

识别

am

跳转的元素<代码>np.diff也会起作用：

In [139]: ind=np.nonzero(a==am)[0]

In [140]: ind
Out[140]: array([0, 1, 8], dtype=int32)

In [141]: a1[ind]=ind    
In [142]: a1
Out[142]: array([0, 1, 0, 0, 0, 0, 0, 0, 8, 0])

In [143]: np.maximum.accumulate(a1)
Out[143]: array([0, 1, 1, 1, 1, 1, 1, 1, 8, 8], dtype=int32)

查找

ind

-在

am

In [149]: ind=np.nonzero(np.diff(am))

In [150]: ind = np.concatenate([[0],ind[0]+1])

In [151]: ind
Out[151]: array([0, 1, 8])

---

因为在我看来，这个argmax累积的方式可以很容易地通过跟踪当前/最后一个max是什么来工作，但是你一针见血地发现，区别在于“最后一个max”正是迄今为止最大值的值，但不是argmax。作为一个旁注，

np.argmax

不是一个ufunc，还有

np.max

。请注意，缺少的

np.argmaximum

的拼写更好

np.max
基本上是
np.maximum.reduce
@Eric的别名，您能详细说明一下吗？非关联性如何成为一个问题？我甚至不明白为什么有人会首先考虑诸如<代码> ARGMAX（A，AgMAX（B，C））< /C> >，因为这样的事情对我来说完全是毫无意义的…如何跟踪累计最大值达到的指数比累计最大值本身更难？
argmax
在迭代数组时，如果内部不进行累积argmax，它将如何工作？@Julien:
y=f.acculate（x）
被定义为
y[i]=f.reduce（x[：i+1]）
而
f.reduce（x）
被定义为
f（x[0]，f.reduce（x[1:]
。当
f
为
np.maximum
或
np.add
时，这些公式是有意义的。当
f
为
np.argmin
时，这些都是无意义的，这正是
argmin.acculate
不存在的原因。您可以查找
最大值的跳跃。acculate
来创建
argmax
如果您有任何见解，请查看我上面的评论：）@Julien
numpy
通过提供编译的构建块来提高速度，您可以组合这些构建块来执行更复杂的操作。这可能需要多次通过。和临时阵列。我在[139]

计算中的

涉及到几个过程，至少有一个过程要做
a==am
，另一个过程要计算非零的数量，还有一个过程要将这些索引累积到一个大小合适的数组中。