比较n维numpy数组中的值

Question

需要比较 numpy 数组中的每个值，return 1 与最大值比较，0 与其他值比较。我在使用不同数量的 [].

时遇到问题

输入示例：

[[[0.6673975 0.33333233]]
.
.
.
[[0.33260247 0.6673975]]]

预期输出：

[[[1 0]]
.
.
.
[[0 1]]]

Answer 1

让我们创建一个示例案例：

a = np.array([[1, 2, 3], [4, 6, 5], [9, 1, 1]])

然后我们可以在最后一行（倒数第二个 axis）上使用 for-loop 进行迭代，并相应地修改 axis：

for i in range(a.shape[-2]):
    a[..., i, :] = a[..., i, :] == max(a[..., i, :])

这会将 a 修改为正确的结果：

array([[0, 0, 1],
       [0, 1, 0],
       [1, 0, 0]])

同样的方法适用于任何矩形 array，例如：

a = np.array([[1, 2], [4, 3], [9, 7]])

给予：

array([[0, 1],
       [1, 0],
       [1, 0]])

Answer 2

轴上最大值：

如果按照 Joe 在评论中的建议，您正在寻找沿轴的最大值，那么对于轴 axis、

np.moveaxis((np.moveaxis(ar, axis, 0) == ar.max(axis)).astype(int), 0, axis)

或者，快一点，

(ar == np.broadcast_to(np.expand_dims(ar.max(axis), axis), ar.shape)).astype(int)

应该涵盖 n 维情况。

例如：

ar = np.random.randint(0, 100, (2, 3, 4))

ar
Out[157]: 
array([[[17, 28, 22, 31],
        [99, 51, 65, 65],
        [46, 24, 93,  4]],

       [[ 5, 84, 85, 79],
        [ 7, 80, 27, 25],
        [46, 80, 90,  3]]])

(ar == np.broadcast_to(np.expand_dims(ar.max(-1), -1), ar.shape)).astype(int)
Out[159]: 
array([[[0, 0, 0, 1],
        [1, 0, 0, 0],
        [0, 0, 1, 0]],

       [[0, 0, 1, 0],
        [0, 1, 0, 0],
        [0, 0, 1, 0]]])
ar.max(-1)
Out[160]: 
array([[31, 99, 93],
       [85, 80, 90]])

整个数组的最大值：

如果您尝试识别等于整个数组最大值的元素，

(ar == ar.max()).astype(int)

应该给你想要的东西。

比较n维numpy数组中的值

comparing values in numpy array of n-dimension

python

arrays

numpy

n-dimensional

轴上最大值：

整个数组的最大值：