Python 两个数组之间的数组索引

我有一个numpy数组和相应的查找值。从每一列数据中，我应该得到相应查找的最大位置，并将该位置转换为数据结果

我必须按图中所示去做

图片比我的语言更能说明问题

import numpy as np

data = np.array([[0, 2, 1, 4, 3, 2, 4, 4, 1],
                 [1, 1, 2, 0, 3, 4, 4, 2, 1],
                 [2, 2, 1, 4, 4, 1, 4, 4, 4]] )

print (data)

print ()

lookup = np.array([[60, 90, 90, 60, 50],
                  [90, 90, 80, 90, 90],
                  [60, 40, 90, 60, 50]])

print (lookup)

print ()

我做了如下工作：

data = data.transpose(1,0)

lookup = lookup.transpose(1,0)

results = []       
for d in data:   
   matches = lookup[d].diagonal()
   print (matches)
   idx = np.argmax(matches, axis=0)
   res = d[idx]
   results.append(res)

print ()

print (results)  

成功了。

---

但是，还有更好的方法吗？

我不确定我是否理解你，但也许这就是你想要的

data = data.T
lookup = lookup.T
cols = np.zeros_like(data) + np.array([0, 1, 2])
idx = np.argmax(lookup[data, cols], axis=1)
data[np.arange(data.shape[0]), idx]

---

您可以使用展平事实：

l = lookup.shape[1]
data1 = (data + [[0],[l], [2*l]]).copy()
matches = lookup.flatten()[data1.flatten()].reshape(data1.shape).T
results = data.T[:, np.argmax(matches, axis = 1)].diagonal()
print(matches)
print(results)

输出

使用。使用它，您可以提供索引数组。见示例：

数据=np.arange20 数据[[0,1,5,10]]数组[0,1,5,10] 用于索引的数组也会广播。见示例：

数据=np.arange20.5,4 i=np.array[0,4] j=np.数组[0,3] 数据[i，j]数组[0，19] i、 j=i[：，np.newaxis]，j[np.newaxis，：] 数据[i，j]数组[[0,3]，[16,19]] 在您的例子中，匹配是这样的：匹配[i，j]=lookup[i，data[i，j]]。 使用花式索引，我们可以：

i=np.arangedata.shape[-2][：，np.newaxis] 匹配=查找[i，数据] 最后的结果应该是结果[j]=data[i_max[j]，其中i_max[j]=argmax_imatches[i，j]，其转换为：

i_max = np.argmax(matches, axis=-2)
j = np.arange(data.shape[-1])
result = data[i_max, j]

---

你能用文字而不是图片来描述你想做的事情吗？添加到问题中。你找到了匹配项。那么，如何获得结果？[1,2,1,0,3,2,4,2,1]获取生成的匹配项的argmax并将其转换为数据值。预期结果是[1,2,1,0,3,2,4,2,1]为什么+np。数组[0,1,2]？这只是一种懒惰的方法，可以生成类似[[0,1,2]，[0,1,2]，[0,1,2]，…]的内容，即每行的列。也许更好的方法是使用np.ndgrid.lookup[data，cols]是您的匹配项

i_max = np.argmax(matches, axis=-2)
j = np.arange(data.shape[-1])
result = data[i_max, j]