我想获得前N个(最大)args&跨整个numpy矩阵的值,而不是跨一个维度(行/列)的值.

输入示例(N = 3)：

import numpy as np
mat = np.matrix([[9,8, 1, 2], [3, 7, 2, 5], [0, 3, 6, 2], [0, 2, 1, 5]])

print(mat)

[[9 8 1 2]
 [3 7 2 5]
 [0 3 6 2]
 [0 2 1 5]]

所需的输出：[9、8、7]

由于max不能跨一个维度传递,因此按行或按列进行操作不起作用.

# by rows, no 8
np.squeeze(np.asarray(mat.max(1).reshape(-1)))[:3]
array([9, 7, 6])

# by cols, no 7
np.squeeze(np.asarray(mat.max(0)))[:3]
array([9, 8, 6])

我有可以工作的代码,但对我来说看起来很笨拙.

# reshape into single vector
mat_as_vector = np.squeeze(np.asarray(mat.reshape(-1)))

# get top 3 arg positions
top3_args = mat_as_vector.argsort()[::-1][:3]

# subset the reshaped matrix
top3_vals = mat_as_vector[top3_args]

print(top3_vals)

array([9, 8, 7])

将不胜感激任何更短的方式/更有效的方式/魔术numpy功能来做到这一点！

解决方法:

为此目的,使用numpy.partition()比执行完全排序要快得多：

np.partition(np.asarray(mat), mat.size - N, axis=None)[-N:]

假设N ＜＝尺寸.

如果您还需要对最终结果进行排序(除了前N个之外),那么您需要对先前的结果进行排序(但是大概您将对比原始结果小的数组进行排序)：

np.sort(np.partition(np.asarray(mat), mat.size - N, axis=None)[-N:]) 

如果需要将结果从最大到最小排序,请将[::-1]后附加到上一个命令：

np.sort(np.partition(np.asarray(mat), mat.size - N, axis=None)[-N:])[::-1]