Python 4D NumPy阵列中每个2D矩阵的最大值

我有一个4D阵列，定义如下：

B = np.array(
    [[[[0.5000, 0.5625],
       [0.5000, 0.5625]],

      [[1.2500, 0.5000],
       [0.5625, 0.6875]],

      [[0.5625, 0.6250],
       [0.5000, 0.5625]]]]
)

我想取每个2D矩阵的最大值，以便得到以下结果：

array([0.5625, 1.250, 0.6250])

array([0.5000, 0.5000, 0.5000])

类似地，我想取每个2D矩阵的最小值，这样我可以得到以下结果：

array([0.5625, 1.250, 0.6250])

array([0.5000, 0.5000, 0.5000])

但是，当执行

np.max（B，轴=0）

，

np.max（B，轴=1）

，

np.max（B，轴=2）

或

np.max（B，轴=3）

时，这些都不能给出正确答案。是否需要指定另一个参数来执行此操作

---

正确的解决方案不应使用任何循环，最好只使用一个函数调用。

您可以将其重塑为所需子阵列的2d阵列，然后在每个子阵列上应用max或min函数：

>>> B.reshape(3, 4)
array([[0.5   , 0.5625, 0.5   , 0.5625],
       [1.25  , 0.5   , 0.5625, 0.6875],
       [0.5625, 0.625 , 0.5   , 0.5625]])
>>> B.reshape(3, 4).max(axis=1)
array([0.5625, 1.25  , 0.625 ])
>>> B.reshape(3, 4).min(axis=1)
array([0.5, 0.5, 0.5])

---

我认为这个问题是对

axis

参数如何工作的误解。对于大多数这些聚合方法，

axis

关键字是要投影的轴，即这些轴从结果中“删除”。因此，在这种情况下，您需要调用类似以下内容：

In [7]: B.max((0, 2, 3))                                                                                                            
Out[7]: array([0.5625, 1.25  , 0.625 ])

对于

min

In [8]: B.min((0, 2, 3))                                                                                                            
Out[8]: array([0.5, 0.5, 0.5])

或者您可以直接调用

numpy

方法

In [9]: np.max(B, axis=(0, 2, 3))                                                                                                   
Out[9]: array([0.5625, 1.25  , 0.625 ])