Python 如何使用argmin的输出作为Numpy的索引

我想在一个秩为3的numpy数组中，找到沿着给定轴的极小值的位置。我已经用

np.argmin

获得了这些位置，但是我不确定如何将其“应用”到原始矩阵以获得实际的最小值

例如：

import numpy as np

a = np.random.randn(10, 5, 2)
min_loc = a.argmin(axis = 0)   # this gives an array of shape (5, 2)

现在，问题是如何使用

min\u loc

获得实际最小值？我试过

a[min\u loc]

，它给了我一个形状

（5,2,5,2）

。这个形状的逻辑是什么？如何使用此辅助矩阵获得形状的合理解

（5，2）

---

请注意，

a.min（axis=0）

不是我要寻找的解决方案。我需要通过

argmin

a[min\u loc]

在第一个维度上进行求解，即它将为

min\u loc

中的每个索引拾取

（5，2）

形数组。由于

min\u loc

本身是

（5，2）

形状的，并且对于

min\u loc

中的每个整数，它会拾取另一个

（5，2）

形状的数组。您将得到一个

（5,2,5,2）

数组。同样的原因，

a[np.数组（[0,3]）]

的形状是

（2,5,2）

，

a[np.数组（[[0]，[3]]）]

的形状是

（2,1,5,2）

，因为您只提供了第一维的索引

对于您的用例，您不希望为

min\u loc

中的每个索引拾取子数组，而是需要一个元素。例如，如果您有

min_loc=[[5，…]，…]

，则第一个元素应该有一个完整的标记

5,0,0

，而不是

5，：，：

。这正是我们要做的。基本上，通过为每个维度提供一个整数数组作为索引，您可以拾取对应于特定位置的元素。您可以使用

np从
（5,2）
形状为第二维度和第三维度构造索引。索引

：

j, k = np.indices(min_loc.shape)
a[min_loc, j, k]

# [[-1.82762089 -0.80927253]
#  [-1.06147046 -1.70961507]
#  [-0.59913623 -1.10963768]
#  [-2.57382762 -0.77081778]
#  [-1.6918745  -1.99800825]]

其中

j，k

是第二和第三维度的坐标：

j
#[[0 0]
# [1 1]
# [2 2]
# [3 3]
# [4 4]]

k  
#[[0 1]
# [0 1]
# [0 1]
# [0 1]
# [0 1]]

或者如@hpaulj所评论的，使用

np。沿着轴取\u

方法：

np.take_along_axis(a, min_loc[None], axis=0)

# [[[-0.93515242 -2.29665325]
#   [-1.30864779 -1.483428  ]
#   [-1.24262879 -0.71030707]
#   [-1.40322789 -1.35580273]
#   [-2.10997209 -2.81922197]]]

---

查看

沿\u轴取\u

min_loc

是一个0-9范围内的（5,2）数字数组。它是第一个维度的有效索引，但您已正确索引其他维度<代码>沿_轴取_有助于实现这一点。其他索引数组也需要一起索引（5,2）块（使用广播）。我将您添加到一个长而著名的链中。这在文档中提到，在这里也被打死，但前提是你在搜索中有正确的关键字。“显然，在你错过它们之前，它们很难凭直觉判断出来。”墨菲的建议很糟糕<代码>展开索引不适用于这种情况（我需要沿给定轴的最小值，而不是数组的绝对最小值，因为它是文档中处理的任务）。我花了一段时间才意识到发生了什么…谢谢。

沿u轴取u肯定是最优雅的解决方案。但是，带有明确索引的“手工”解决方案肯定有助于澄清我的方法不起作用的原因以及遗漏了什么。