Python 忽略对角线的Numpy数组的最小值

我必须找到忽略对角元素的numpy数组的最大值

amax（）提供了忽略特定轴来查找它的方法。忽略所有对角线元素，如何实现相同的效果？

这应该可以

>>> import numpy as np
>>> import numpy.random

# create sample matrix
>>> a = numpy.random.randint(10,size=(8,8))
>>> a[0,0] = 100
>>> a
array([[100, 8, 6, 5, 5, 7, 4, 5],
   [4, 6, 1, 7, 4, 5, 8, 5],
   [0, 2, 0, 7, 4, 2, 7, 9],
   [5, 7, 5, 9, 8, 3, 2, 8],
   [2, 1, 3, 4, 0, 7, 8, 1],
   [6, 6, 7, 6, 0, 6, 6, 8],
   [6, 0, 1, 9, 7, 7, 9, 3],
   [0, 5, 5, 5, 1, 5, 4, 4]])

# create mask
>>> mask = np.ones((8,8)) 
>>> mask = (mask - np.diag(np.ones(8))).astype(np.bool)
>>> mask
array([[False,  True,  True,  True,  True,  True,  True,  True],
   [ True, False,  True,  True,  True,  True,  True,  True],
   [ True,  True, False,  True,  True,  True,  True,  True],
   [ True,  True,  True, False,  True,  True,  True,  True],
   [ True,  True,  True,  True, False,  True,  True,  True],
   [ True,  True,  True,  True,  True, False,  True,  True],
   [ True,  True,  True,  True,  True,  True, False,  True],
   [ True,  True,  True,  True,  True,  True,  True, False]], dtype=bool)

# calculate the maximum
>>> np.amax(a[mask])
9

你可以用面具

mask = np.ones(a.shape, dtype=bool)
np.fill_diagonal(mask, 0)
max_value = a[mask].max()

其中

a

是要查找最大值的矩阵。遮罩选择非对角元素，因此，

a[mask]

将是所有非对角元素的长向量。那你就拿max吧

或者，如果您不介意修改原始数组

np.fill_diagonal(a, -np.inf)
max_value = a.max()

---

当然，您可以复制一份，然后在不修改原件的情况下执行上述操作。此外，这是假设

a

是某种浮点格式。

另一种可能性是使用NumPy的

作为跨步，将对角线推到第一列，然后将其切掉：

In [1]: import numpy as np
In [2]: from numpy.lib.stride_tricks import as_strided
In [3]: b = np.arange(0,25,1).reshape((5,5))
In [4]: b
Out[4]: array([[ 0,  1,  2,  3,  4],
               [ 5,  6,  7,  8,  9],
               [10, 11, 12, 13, 14],
               [15, 16, 17, 18, 19],
               [20, 21, 22, 23, 24]])
In [5]: n = b.shape[0]
In [6]: np.max(as_strided(b, (n-1,n+1), (b.itemsize*(n+1), b.itemsize))[:,1:])
Out[6]: 23

其中
np.max
的参数是
b
上的移位视图：

In [7]: as_strided(b, (n-1,n+1), (b.itemsize*(n+1), b.itemsize))
Out[7]: array([[ 0,  1,  2,  3,  4,  5],
               [ 6,  7,  8,  9, 10, 11],
               [12, 13, 14, 15, 16, 17],
               [18, 19, 20, 21, 22, 23]])

以便：

In [8]: as_strided(b, (n-1,n+1), (b.itemsize*(n+1), b.itemsize))[:,1:]
Out[8]: array([[ 1,  2,  3,  4,  5],
               [ 7,  8,  9, 10, 11],
               [13, 14, 15, 16, 17],
               [19, 20, 21, 22, 23]])

哇，太酷了。可能比在大型数组中使用掩码更快。这可以扩展到批处理矩阵（即，在前面有一些维度的情况下）？@user76284这可能适用于
m
n
x
n
数组：
np.max（如跨步（c，（m，n-1，n+1），（c.itemsize*n*n，c.itemsize*（n+1），c.itemsize）][：，1:]，axis=（1,2））
：为了得到更好的答案，我认为你应该问一个新问题。[mask].max（）和np.max（a[mask]）之间有什么区别？@Gerald我不知道有什么区别。你也可以只使用
a[~np.eye（*a.shape，dtype=bool）].max（）
。