Python 在三维数组的最后一个维度上的棘手numpy argmax

如果有一个形状（9,1,3）的数组

我想找到第三维的argmax索引，在这个例子中是185，所以索引7

---

我想这个解决方案与重塑有关，但我不能对它掉以轻心。谢谢你的帮助

您可能必须这样做：

data = np.array([[[  6,  12, 108]],

   [[122, 112,  38]],

   [[ 57, 101,  62]],

   [[119,  76, 177]],

   [[ 46,  62,   2]],

   [[127,  61, 155]],

   [[  5,   6, 151]],

   [[  5,   8, 185]],

   [[109, 167,  33]]])

np.argmax(data[:,0][:,2])
 7

---

我不知道这有什么棘手的。但是，获得沿最后一个轴的最大元素索引的一种方法是使用和，如下所示：

或者，您可以使用：

In [63]: np.unravel_index(np.argmax(arr), arr.shape)
Out[63]: (7, 0, 2)

In [64]: arr[(7, 0, 2)]
Out[64]: 185

---

听起来更像是想要

np.argmax（你的数组[：，0，2]）

。说“第三维度的argmax索引”真的没有多大意义。你可以问argmax的第三个坐标（应该是2，而不是7）或者第一个坐标（应该是7），或者在取[：，0，2]之后切片数组的argmax（正如PP所建议的，实际上是7）。我不明白为什么每个项都是单例列表，看起来像是一个糟糕的建模。@PaulPanzer

np.argmax（np.max（arr，2））怎么样

？@kmario23或

np.undravel\u索引（np.argmax（arr），arr.shape）

？任何结果中包含7的东西。什么是

数据[：，0][：，2]

？请只做

数据[：，0，2]

而不是创建不必要的中间层。是的，非常好。但是你传播这种草率的言论并没有起到任何作用。哦，请不要宣传我的一次性评论；-）或者，如果您必须使用另一个；我觉得这样更好。谢谢你，诡计是相对的，到目前为止我还没有花那么多时间在np上，尽管我将来会花时间在np上。@Thoshharris当然！但是，你不必明确地感谢。向上投票的答案，如果对你有帮助的话，在这样的情况下就足够了。@kmario23你是对的，我是对的，但你必须得到最多15个代表，直到它出现为止；）

# find `max` element along last axis 
# and get the index using `argmax` where `arr` is your array
In [53]: np.argmax(np.max(arr, axis=2))
Out[53]: 7

In [63]: np.unravel_index(np.argmax(arr), arr.shape)
Out[63]: (7, 0, 2)

In [64]: arr[(7, 0, 2)]
Out[64]: 185