Numpy在数组的小范围内查找最大值索引

Question

我有一个二维数组的形式

 data = array([
       [  0.23        ,   0.61070541],
       [  1.12        ,   0.94622007],
       [  2.33        ,   0.20868555],
       [  3.23        ,   0.26452314],
       [  4.67        ,   0.93988767],
       [  5.17        ,   0.05736691],
       [  6.74        ,   0.54063927],
       [  7.58        ,   0.3045981 ],
       [  8.48        ,   0.13873822],
       [  9.47        ,   0.27759926],
       [ 10.12        ,   0.27030156]])

我想在第二列中找到最大值，该最大值限制在第一列给定的区间内。我想查看第 5 到第 8 行，并在第二列中找到最大值的最大行索引。在第 6 行的给定数据集中，data[6] = 6. , 0.54063927。我的目标是使用 numpy 获得索引 6。到目前为止，我会做的

data_interval = data[ np.where( (data[:,0] > 5) & data[:,0] < 9 ) ]
max_interval = data_interval.max(axis = 0)[1]
index = np.where(data == [None, max_interval])[0]

如果最大值没有再次出现在间隔之外的数据中，则此方法有效。否则我会在最后一个 np.where 调用多个索引。总的来说，这感觉很笨拙，我想知道是否有更快的方法只产生区间中的索引。 我想要相对于总数据数组的绝对索引，而不是 data_interval 数组的索引。 通常，我发现很难在 numpy 中对数据集进行排序/搜索数据，这些数据集是成对的，例如 (x,y) 仅基于 x 或 y 一旦数据一起在一个数组中。欢迎提供处理此类问题的提示/建议。

Answer 1

我们可以通过首先屏蔽条件不成立的值，然后使用argmax来计算第二列所在的索引最大值。

所以我们用：

data_masked = np.ma.masked_where((data[:,0] < 5) | (data[:,0] > 9), data[:,1])

所以这里的条件是过滤条件的相反：data[:0] < 5 或data[:0] > 9 的所有行都被屏蔽了。请注意，我们已经对第二列进行了投影。那么中间结果是：

>>> np.ma.masked_where((data[:,0] < 5) | (data[:,0] > 9), data[:,1])
masked_array(data=[--, --, --, --, --, 0.05736691, 0.54063927, 0.3045981,
                   0.13873822, --, --],
             mask=[ True,  True,  True,  True,  True, False, False, False,
                   False,  True,  True],
       fill_value=1e+20)

然后我们计算索引：

index = np.argmax(b)