Python numpy：如何从argmax结果中获取max

我有一个任意形状的numpy数组，例如：

a = array([[[ 1,  2],
            [ 3,  4],
            [ 8,  6]],

          [[ 7,  8],
           [ 9,  8],
           [ 3, 12]]])
a.shape = (2, 3, 2)

以及最后一个轴上的argmax结果：

np.argmax(a, axis=-1) = array([[1, 1, 0],
                               [1, 0, 1]])

我想要马克斯：

np.max(a, axis=-1) = array([[ 2,  4,  8],
                            [ 8,  9, 12]])

但不需要重新计算一切。我试过：

a[np.arange(len(a)), np.argmax(a, axis=-1)]

但是得到：

IndexError: shape mismatch: indexing arrays could not be broadcast together with shapes (2,) (2,3) 

怎么做？二维的类似问题：

您可以使用-

对于任意维数的一般ndarray情况，如中所述，我们可以使用-

shp = np.array(a.shape)
dim_idx = list(np.ix_(*[np.arange(i) for i in shp[:-1]]))
dim_idx.append(idx)
out = a[dim_idx]

---

对于具有任意形状的ndarray，可以展平argmax索引，然后恢复正确的形状，如下所示：

idx = np.argmax(a, axis=-1)
flat_idx = np.arange(a.size, step=a.shape[-1]) + idx.ravel()
maximum = a.ravel()[flat_idx].reshape(*a.shape[:-1])

---

对于任意形状阵列，以下操作应有效：）

或

---

什么是重塑的？对不起，它应该是

a

。现在正在更正。好的，但是如何处理任意形状的数组而不是精确的3维？使用

np.xi\ucode>和tuple concatenate
idx
@hpaulj生成第一维谢谢，应该可以了！更新了帖子，谢谢。某处有打字错误吗？似乎没有使用
DIM
。@sygi抱歉，尝试了一些不需要的东西。删除了那条线。
idx = np.argmax(a, axis=-1)
flat_idx = np.arange(a.size, step=a.shape[-1]) + idx.ravel()
maximum = a.ravel()[flat_idx].reshape(*a.shape[:-1])

a = np.arange(5 * 4 * 3).reshape((5,4,3))

# for last axis
argmax = a.argmax(axis=-1)
a[tuple(np.indices(a.shape[:-1])) + (argmax,)]

# for other axis (eg. axis=1)
argmax = a.argmax(axis=1)
idx = list(np.indices(a.shape[:1]+a.shape[2:]))
idx[1:1] = [argmax]
a[tuple(idx)]

a = np.arange(5 * 4 * 3).reshape((5,4,3))

argmax = a.argmax(axis=0)
np.choose(argmax, np.moveaxis(a, 0, 0))

argmax = a.argmax(axis=1)
np.choose(argmax, np.moveaxis(a, 1, 0))

argmax = a.argmax(axis=2)
np.choose(argmax, np.moveaxis(a, 2, 0))

argmax = a.argmax(axis=-1)
np.choose(argmax, np.moveaxis(a, -1, 0))