如何获得numpy矩阵中绝对值的最高元素？

Question

这是我目前正在做的，它可以工作，但有点麻烦：

x = np.matrix([[1, 1], [2, -3]])
xmax = x.flat[abs(x).argmax()]

Answer 1

您要查找的值必须是 x.max() 或 x.min()，以便您可以这样做

max(x.min(), x.max(), key=abs)

这类似于 aestrivex 的解决方案，但可能更具可读性？请注意，这将在x.min() 和x.max() 具有相同绝对值的情况下返回最小值，例如-5 和 5。如果您有偏好，只需相应地将输入订购到max。

Answer 2

最紧凑的方式可能是：

x_max = np.abs(x).max()  

默认情况下，.max() 方法直接对展平数组进行操作（取自NumPy documentation）。所以该运算寻找n维数组np.abs(x)的最大绝对值。

---

执行时间

此外，它比问题的解决方案快 2000 倍以上。考虑到在 Дмитрий Пасько 的示例中应用的 IPython %time 魔术函数，我得到（在带有 Python 3.8 和 NumPy 1.19.1 的 MacBook Pro 2015 上）：

x = np.random.rand(50000, 500) - 0.5

# numpy solution
x_max = np.abs(x).max()
"Wall time: 67.7 µs"

# question's solution
%time xmax = x[abs(x).argmax()]
"Wall time: 157 ms"

# Daniel's solution
%time xmax=x[np.unravel_index(abs(x).argmax(), x.shape)] 
"Wall time: 88.9 µs"

# Дмитрий Пасько's solution
%time newdt = np.array([dt.min(),dt.max()])
  ... xmax = newdt.flat[abs(newdt).argmax()]
"Wall time: 26.7 ms"

Answer 3

我正在寻找一种方法来获取沿指定轴的 N 维数组的最大绝对值的有符号值，这些答案都没有处理。所以，我整理了一个函数来完成它。没有承诺，但据我测试它是有效的：

def maxabs(a, axis=None):
    """Return slice of a, keeping only those values that are furthest away
    from 0 along axis"""
    maxa = a.max(axis=axis)
    mina = a.min(axis=axis)
    p = abs(maxa) > abs(mina) # bool, or indices where +ve values win
    n = abs(mina) > abs(maxa) # bool, or indices where -ve values win
    if axis == None:
        if p: return maxa
        else: return mina
    shape = list(a.shape)
    shape.pop(axis)
    out = np.zeros(shape, dtype=a.dtype)
    out[p] = maxa[p]
    out[n] = mina[n]
    return out

Answer 4

这可以快速计算绝对最大值 - 以与 np.max 和 np.argmax 本身相同的方式尊重任意 axis 参数。

def absmaxND(a, axis=None):
    amax = a.max(axis)
    amin = a.min(axis)
    return np.where(-amin > amax, amin, amax)

对于长数组，它比 a.flat[abs(a).argmax()] 快大约 2.5 倍，即使对于简单的情况 axis=None，因为它不会渲染原始大数组的 abs()。

Answer 5

编辑：对不起，我的回答跑题了。正如 Ophion 指出的那样，这将返回索引，而不是值 - 您必须将 flat 与我的“xmax”（实际上是“xmaxInd”）一起使用才能获得正确的值。因此，我认为您的解决方案是最好的。

---

经过一番试验，我意识到你可以这样做：

x = np.matrix([[1,1], [2,-3]])
absX = abs(x)
xmax = argmax(absX)

似乎 numpy 允许您获取矩阵的abs 和argmax。多么方便！

timeit 检查：

def meth1():
    x = np.matrix([[1,1],[2,-3]])
    xmax = x.flat[abs(x).argmax()]

def meth2():
    x = np.matrix([[1,1],[2,-3]])
    xmax = argmax(abs(x))

t1 = timeit.Timer("meth1()","from __main__ import meth1")
t2 = timeit.Timer("meth2()","from __main__ import meth2")

mean(t1.repeat(1,100000)) 给Out[99]: 7.854323148727417 mean(t2.repeat(1,100000)) 给Out[98]: 7.7788529396057129

所以meth2() 稍微快一点。可能是因为它不涉及调用flat。

Answer 6

我唯一能想到的，看起来更糟糕的是：

xmax=x[np.unravel_index(abs(x).argmax(), x.shape)]

Answer 7

我用过

dt = np.random.rand(50000,500)-0.5
# ur
xmax = dt.flat[abs(dt).argmax()] #230 ms

# new
newdt = np.array([dt.min(),dt.max()]) # 56ms
xmax = newdt.flat[abs(newdt).argmax()] # 4ms

几乎快 4 倍（60 毫秒对 230 毫秒）！！

Answer 8

请原谅死灵，但我似乎无法评论 JoeCondron 的回答。

我喜欢：

max(x.min(), x.max(), key=abs) 

但我相信它可以进一步简化：

max(x, key=abs)

似乎对我有用（或非一维）：

max(x.flat, key=abs)

Answer 9

我认为这是一种非常简单的方法，如果代码可读性是您最关心的问题，它可能会稍微好一些。但实际上，您的方式同样优雅。

np.min(x) if np.max(abs(x)) == abs(np.min(x)) else np.max(x)