Python 以numpy为单位按列最大值减少

假设我有以下数组：

b = np.array([[1,2],[3,4],[5,6],[3,3]])

我希望通过获取元素对并丢弃值和较低的元素，将其长度减半。在无需求和的一维中，这很容易：

a = np.array([1,2,3,4])
a.reshape((-1,2)).max(axis=1)

并生成所需的结果：

[2,4]

我的问题是，是否有可能在两个维度上进行等价操作，从而使

b

上的操作产生

[[3,4]，[5,6]]

作为参考，以下是一种非numpy方式：

b = [[1,2],[3,4],[5,6],[3,3]]
c = []
for i in range(0,len(b) - 1,2):
    if sum(b[i]) > sum(b[i+1]):
        c += [b[i]]
    else:
        c += [b[i+1]]
print(c)

---

下面是一种使用拼接的方法，

zip（）

和

map（）

：

解释

• b[：：2]

  获取

  b

  中从索引0开始的所有其他元素

• b[1:：2]

  获取

  b

  中从索引1开始的所有其他元素

• zip（b[：：2]，b[1:：2]）

  从

  b

  创建成对元组列表

• map（lambda x:x[0]if sum（x[0]）>sum（x[1]）else x[1]）

  返回每个具有最高和的元组中的元素

如果希望输出为示例中所示的列表的

列表

，只需使用

list（）

构造函数包装

map（）

步骤的输出：

map(
    lambda x: list(x[0]) if sum(x[0]) > sum(x[1]) else list(x[1]),
    zip(b[::2], b[1::2])
)
#[[3, 4], [5, 6]]

---

下面是一种使用拼接的方法，

zip（）

和

map（）

：

解释

• b[：：2]

  获取

  b

  中从索引0开始的所有其他元素

• b[1:：2]

  获取

  b

  中从索引1开始的所有其他元素

• zip（b[：：2]，b[1:：2]）

  从

  b

  创建成对元组列表

• map（lambda x:x[0]if sum（x[0]）>sum（x[1]）else x[1]）

  返回每个具有最高和的元组中的元素

如果希望输出为示例中所示的列表的

列表

，只需使用

list（）

构造函数包装

map（）

步骤的输出：

map(
    lambda x: list(x[0]) if sum(x[0]) > sum(x[1]) else list(x[1]),
    zip(b[::2], b[1::2])
)
#[[3, 4], [5, 6]]

---

您可以计算总和，取

argmax

并将其应用于原始对：

# form pairs of pairs
>>> b2 = b.reshape(*b.shape[:-2], -1, 2, b.shape[-1])
# sum and take the argmax for each pair of sums
>>> idx = np.argmax(b2.sum(axis=-1), axis=-1)
# use the argmax to select the relevant pairs
>>> c = b2[np.arange(b2.shape[0]), idx]
# admire
>>> c
array([[3, 4],
       [5, 6]])

---

您可以计算总和，取

argmax

并将其应用于原始对：

# form pairs of pairs
>>> b2 = b.reshape(*b.shape[:-2], -1, 2, b.shape[-1])
# sum and take the argmax for each pair of sums
>>> idx = np.argmax(b2.sum(axis=-1), axis=-1)
# use the argmax to select the relevant pairs
>>> c = b2[np.arange(b2.shape[0]), idx]
# admire
>>> c
array([[3, 4],
       [5, 6]])

#佩服

确实

#佩服

确实