Python numpy 2d：如何仅为第二列中允许的值获取第一列中max元素的索引

帮助找到解决问题的高性能方法： 我在神经网络（答案权重）之后有一个结果，答案的类别（相同的len）和当前请求的允许类别：

answers_weight = np.asarray([0.9, 3.8, 3, 0.6, 0.7, 0.99]) # ~3kk items
answers_category = [1, 2, 1, 5, 3, 1] # same size as answers_weight: ~3kk items
categories_allowed1 = [1, 5, 8]
res = np.stack((answers_weight, answers_category), axis=1)

我需要知道max元素的索引（在answers\u weight数组中），但跳过不允许的类别（2,3）

---

最后，索引必须是=2（“3.0”，因为类别不允许跳过“3.8”）

最简单的方法是使用numpy的屏蔽数组根据允许的类别屏蔽权重，然后查找

argmax

：

np.ma.masked_where(~np.isin(answers_category,categories_allowed1),answers_weight).argmax()
#2

使用遮罩的另一种方法（此方法假设唯一的最大重量）：

---

最简单的方法是使用numpy的蒙版_数组根据允许的_类别屏蔽权重，然后查找

argmax

：

np.ma.masked_where(~np.isin(answers_category,categories_allowed1),answers_weight).argmax()
#2

使用遮罩的另一种方法（此方法假设唯一的最大重量）：

---

我还用面具解决了这个问题

inds = np.arange(res.shape[0])
# a mask is an array [False  True False False  True False]
mask = np.all(res[:,1][:,None] != categories_allowed1,axis=1)

allowed_inds = inds[mask]
# max_ind is not yet the real answer because the not allowed values are not taken into account
max_ind = np.argmax(res[:,0][mask])
real_ind = allowed_inds[max_ind]

---

我还用面具解决了这个问题

inds = np.arange(res.shape[0])
# a mask is an array [False  True False False  True False]
mask = np.all(res[:,1][:,None] != categories_allowed1,axis=1)

allowed_inds = inds[mask]
# max_ind is not yet the real answer because the not allowed values are not taken into account
max_ind = np.argmax(res[:,0][mask])
real_ind = allowed_inds[max_ind]