Python 获取NumPy数组中最大区域的索引

假设我有以下区域坐标数组

[x1，y1，x2，y2]

。在我的例子中，这些坐标描述了图像中检测到的人脸区域：

[
    [1, 1, 41, 41],
    [134, 13, 154, 33]
]

现在，我想得到最大面积的指数，或者是最大面积本身的指数。我知道我可以迭代数组，计算每个条目的面积，然后排序得到最大的条目。Python中的标准循环速度非常慢，因此我正在寻找一种可以加快速度的NumPy解决方案（假设该阵列中有1毫米的单独区域）

---

在上面的示例中，我希望得到一个数组索引

0

或区域本身

[1,1,41,41]

，因为它是这两个索引中最大的一个（就面积而言，它是最大的，而不是坐标本身）.

不确定内存的限制，但如果将

numpy

与

numexpr

相结合，则在>1小时的计算时间内可能达到1MM<当算术简单时，code>numexpr是一个不错的选择。我对这些选项进行了实验，发现

max

方法在numpy上速度最快，而算术在

numexpr

上速度更快：

import numpy as np
import numexpr as ne
a = np.random.randint(10000000, size=(100000000, 4))
a[:,2] = a[:,0]+a[:,2]
a[:,3] = a[:,1]+a[:,3]
x,y,z,t = a[:,0], a[:,1], a[:,2], a[:,3]
%timeit np.max((z-x) * (t-y)) 
%timeit ne.evaluate('max((z-x) * (t-y))')
%timeit np.max(ne.evaluate('(z-x) * (t-y)'))

输出： 相比之下，

max

项的索引如下所示：

%timeit np.argmax((z-x) * (t-y)) 
%timeit np.argmax(ne.evaluate('(z-x) * (t-y)'))

输出：

---

在这种情况下，简单的数组算术就足够了吗？这足以为示例中的每个项目计算面积

（a[2]-a[0]）*（a[3]-a[1]）

，然后找到最大项目的索引。由于我们使用的是

numpy

，因此不需要迭代。请不要在没有解释的情况下否决投票。我很乐意解决您的问题。

%timeit np.argmax((z-x) * (t-y)) 
%timeit np.argmax(ne.evaluate('(z-x) * (t-y)'))

1.02 s ± 17.3 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
317 ms ± 8.5 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)