4D NumPy 数组中每个 2D 矩阵的最大值答案

【问题标题】：Max of each 2D matrix in 4D NumPy array4D NumPy 数组中每个 2D 矩阵的最大值
【发布时间】：2020-08-12 02:40:35
【问题描述】：

我有一个4D数组，定义如下：

B = np.array(
    [[[[0.5000, 0.5625],
       [0.5000, 0.5625]],

      [[1.2500, 0.5000],
       [0.5625, 0.6875]],

      [[0.5625, 0.6250],
       [0.5000, 0.5625]]]]
)

我想取每个二维矩阵的最大值，这样我得到的结果是：

array([0.5625, 1.250, 0.6250])

同样，我想取每个二维矩阵的最小值，这样我得到的结果是：

array([0.5000, 0.5000, 0.5000])

但是，在执行 np.max(B, axis=0)、np.max(B, axis=1)、np.max(B, axis=2) 或 np.max(B, axis=3) 时，这些都没有给出正确的答案。我需要指定另一个参数来执行此操作吗？

正确的解决方案不应该使用任何循环，最好是一个函数调用。

【问题讨论】：

标签： python arrays numpy

【解决方案1】：

我认为这个问题是对axis 参数如何工作的误解。对于大多数这些聚合方法，axis 关键字是要投影的轴（或多个轴）along，即这些轴从结果中“删除”。所以在这种情况下，你想调用类似的东西：

In [7]: B.max((0, 2, 3))                                                                                                            
Out[7]: array([0.5625, 1.25  , 0.625 ])

min 也一样

In [8]: B.min((0, 2, 3))                                                                                                            
Out[8]: array([0.5, 0.5, 0.5])

也可以直接调用numpy方法

In [9]: np.max(B, axis=(0, 2, 3))                                                                                                   
Out[9]: array([0.5625, 1.25  , 0.625 ])

【讨论】：

【解决方案2】：

您可以将其重塑为所需子数组的二维数组，然后在每个子数组上应用您的 max 或 min 函数：

>>> B.reshape(3, 4)
array([[0.5   , 0.5625, 0.5   , 0.5625],
       [1.25  , 0.5   , 0.5625, 0.6875],
       [0.5625, 0.625 , 0.5   , 0.5625]])
>>> B.reshape(3, 4).max(axis=1)
array([0.5625, 1.25  , 0.625 ])
>>> B.reshape(3, 4).min(axis=1)
array([0.5, 0.5, 0.5])

【讨论】：