如果最小值满足条件，则获取 2D np.array 中每一行的最小值索引答案

【问题标题】：Get the indices of min values for each row in a 2D np.array, if the min value satisfies a condition如果最小值满足条件，则获取 2D np.array 中每一行的最小值索引
【发布时间】：2019-03-05 16:02:11
【问题描述】：

我有一个二维np.array，尺寸为1000 (rows) x 12 (columns)。

我需要获取那些低于1.5 的值的索引。
如果一行包含多个满足此条件的值，那么我只需要保留最低的索引。

我很乐意使用 idx1,idx2=np.where(x < 1.5), 但这有时会返回位于同一行中的多个索引。我当然可以遍历idx1 中的所有重复行，并只保留x 中的值最低的索引，但我想知道是否有更pythonic 的方式。

谢谢

【问题讨论】：

如果一行不包含任何低于 1.5 的值怎么办？你只是跳过这一行吗？
@jdehesa 是的，那我对那一行不感兴趣。仅在低于 1.5 的行列索引中，只要它们是其行的最低值

标签： python arrays numpy unique where

【解决方案1】：

你可以这样做：

# First index is all rows
idx1 = np.arange(len(x))
# Second index is minimum values
idx2 = np.argmin(m, axis=1)
# Filter rows where minimum is not below threshold
valid = x[idx1, idx2] < 1.5
idx1 = idx1[valid]
idx2 = idx2[valid]

【讨论】：

【解决方案2】：

一种方法是使用numpy masked array。让我们定义以下随机ndarray：

a = np.random.normal(1,2,(4,2))

print(a.round(2))
array([[ 1.41, -0.68],
       [-1.53,  2.74],
       [ 1.19,  2.66],
       [ 2.  ,  1.26]])

我们可以定义一个掩码数组：

ma = np.ma.array(a, mask = a >= 1.5)

print(ma.round(2))
[[1.41 -0.68]
 [-1.53 --]
 [1.19 --]
 [-- 1.26]]

为了处理没有低于阈值的行，您可以这样做：

m = ma.mask.any(axis=1)
# array([ True,  True,  True,  True])

如果给定行中没有有效值，它将包含False。然后将np.argmin 放在掩码数组上，得到最小值低于 1.5 的列：

np.argmin(ma, axis=1)[m]
# array([1, 0, 0, 1])

对于你可以做的行：

np.flatnonzero(m)
# array([0, 1, 2, 3])

【讨论】：