Python 在NumPy数组中记录迄今为止的最小值

假设我有一个NumPy数组，如：

import numpy as np

x = np.array([1, 5, 4, 2, 3, 6, 7, 5, np.inf, np.inf, np.inf, 4, 2, 8, 3, 5, 9, 2, 3, 4])

从

i=9

开始，我想沿着

i=0

遍历每个元素，然后记录“迄今为止最小的”数字以及这些数字的索引。在本例中：

left_val = []
left_idx = []
min_so_far = np.inf
for i in range(9, -1, -1):
    if x[i] < min_so_far:
        left_val.append(x[i])
        left_idx.append(i)
        min_so_far = x[i]

到目前为止，正确的最小值是

[4,2]

，它们位于索引

[11,12]

---

当

x

的长度大得多时，有没有更快的方法来执行此

min\u so\u far

搜索？

这不是您想要的，但它会在遍历数组时为所有子列表提供最小值。它是pythonic的，但对于大小合理的numpy阵列来说，速度会很慢

right_going = [min(x[n:i]) for i in range(n, len (x))]
left_going = [min(x[(n-i):n]) for i in range(n)]

---

值为最小值的数组索引在第一种情况下为

n+list\u index

，在第二种情况下仅为列表的索引。然后，通过获取这些列表中第一次（或最后一次）重复值的索引和值，您可以完全按照自己的意愿进行操作。

您可以执行以下操作：

def right_mins(x):
    y = np.minimum.accumulate(x)
    idx = np.flatnonzero(np.r_[1, np.diff(y)])
    y = x[idx]
    mask = np.isfinite(y)
    return y[mask], idx[mask]

def left_mins(x):
    y, idx = right_mins(x[::-1])
    return y, x.size - 1 - idx

您可以将这些函数直接应用于所需的切片，例如：

>>> left_mins(x[:10])
(array([5., 3., 2., 1.]), array([7, 4, 3, 0]))
>>> n, i = right_mins(x[9:])
>>> n, i + 9
(array([4., 2.]), array([11, 12]))

---

你能澄清一下你的预期产出是什么吗？因为你的电流只有一个值和它的索引，但是你的解释似乎暗示了输出中有几个值。我已经添加了两种算法产生的输出，可能是Spythonic，但肯定不是numpythonic@MadPhysicist，考虑到这个问题的顺序性，“numpythonic”（ugg！）可能是不可能的

np.minimum.acculate

获取各种范围的最小值，但我认为没有

acculate

版本的

argmin

。熊猫有什么有用的吗？@hpaulj。我已经发布了一个带有矢量化解决方案的答案。当然没有argmin.acculate，但是通常的diff技巧在minimum.acculate之后效果很好。可能我误解了什么，但是

left_mins（x）

在我提供与问题相同的

x

时，似乎只返回

（数组（[1.]）、数组（[0]）

。相反，

left_mins

需要返回

（数组（[5,3,2,1]）、数组（[7,4,3,0]））

@slaw需要将函数应用于数组的相关部分<代码>右分钟（[x[：10]）和

左分钟（[x[10:]）

。然后两者都需要删除inf值和相应的索引。np.inf是第一次找到它时的最小值。@slaw。我添加了几个示例，演示如何运行确切的用例。如果要对数组进行子集划分，需要将最左边索引的偏移量添加到结果中

>>> left_mins(x[:10])
(array([5., 3., 2., 1.]), array([7, 4, 3, 0]))
>>> n, i = right_mins(x[9:])
>>> n, i + 9
(array([4., 2.]), array([11, 12]))