在Python中的2D np.array中查找局部最小值

我有两列数组：

A  | 1 
A  | 2
A  | 3
B  | 4
B  | 5
B  | 6

其中A，B是常数。我想要的是找到每个参数A和B的最小值，所以这个操作的结果将是另一个2D数组，如下图所示：

A | 1
B | 4

当只有一个常数A存在时，我成功地找到了最小值：

MIN = np.where(arr == np.amin(arr[:,1]))
output = arr[MIN[0],:]
>> output = A | 1

---

但当阵列比这更复杂时，我无法将其自动化。谢谢你的帮助

您要查找的是函数

np.min

中的可选关键字

axis

。它允许您按列计算数组的最小值。 使用

np.min

也比使用

np.amin

好，因为它允许您在结果之前少执行一步（您立即得到最小值，而不是表中的索引）

试试这个：

将numpy导入为np
a=np.数组（[[1,2,3]，[4,5,6]]
np.最小值（a，轴=1）
#结果：数组（[1,4]）

您要查找的是函数

np.min

中的可选关键字

axis

。它允许您按列计算数组的最小值。 使用

np.min

也比使用

np.amin

好，因为它允许您在结果之前少执行一步（您立即得到最小值，而不是表中的索引）

试试这个：

将numpy导入为np
a=np.数组（[[1,2,3]，[4,5,6]]
np.最小值（a，轴=1）
#结果：数组（[1,4]）

您可以使用

np.unique

从第一列中提取唯一值，然后沿第一个轴使用布尔掩码：

np.stack([(x, a[a[:, 0] == x, 1].min()) for x in np.unique(a[:, 0])])

或者，如果您有权访问

pandas

，则可以创建一个数据帧，并在第一列上使用

grouby

：

import pandas as pd

result = pd.DataFrame(a).groupby(0).min().values

---

用于a设置示例的代码：

import numpy as np

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

---

可以使用

np.unique

从第一列中提取唯一值，然后沿第一个轴使用布尔掩码：

np.stack([(x, a[a[:, 0] == x, 1].min()) for x in np.unique(a[:, 0])])

或者，如果您有权访问

pandas

，则可以创建一个数据帧，并在第一列上使用

grouby

：

import pandas as pd

result = pd.DataFrame(a).groupby(0).min().values

---

用于a设置示例的代码：

import numpy as np

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

---

当我在我的两列数组上执行此操作时，它会打印第二个参数的每个值。当我更改为“axis=0”时，它会打印第二列的最小值，与参数A和B无关。参数A和B是数组的形状。当我在我的两列数组上执行此操作时，它会打印第二个参数的每个值。当我更改为“axis=0”时，它会打印第二列的最低值，与参数A和B无关，参数A和B是数组exactlyOk thx的形状！是否有快速方法访问初始数组a中的解决方案索引？我需要这些来构建作为问题解决方案呈现的数组。@aGingerGuy您可以在数组中添加额外的索引列，或者类似地在列表理解中屏蔽索引（并使用argmin）。但是在你的问题中，你用

A，1

表示一个数组，即不取索引，而是取第一列。好的，谢谢！是否有快速方法访问初始数组a中的解决方案索引？我需要这些来构建作为问题解决方案呈现的数组。@aGingerGuy您可以在数组中添加额外的索引列，或者类似地在列表理解中屏蔽索引（并使用argmin）。但在你的问题中，你用

A，1

表示一个数组，即不取索引，而是取第一列。