例如，有一个二维 Numpy 矩阵M：
[[1,10,3],
[4,15,6]]
除了M[:][1]之外的最大元素是6，它的位置是(1,2)。所以答案是(1,2)。
非常感谢您的帮助！
【问题讨论】：
[:] 应该做什么？
标签： python numpy max numpy-ndarray
一种方式：
col = 1
skip_col = np.delete(x, col, axis=1)
row, column = np.unravel_index(skip_col.argmax(), skip_col.shape)
if column >= col:
column += 1
翻译：
argmax 给出一个展平的结果，unravel_index 给出二维数组中的位置）在Dunes comment 之后，我喜欢这个建议。它的行数几乎相同，但不需要副本（如在 np.delete 中）。因此，如果您受内存限制（如在真正的大数据中）：
col = 1
row, column = np.unravel_index(x[:, :col].argmax(), x[:, :col].shape) # left max, saving a line assuming it's the global max, but less readable
right_max = np.unravel_index(x[:, col+1:].argmax(), x[:, col+1:].shape)
if x[right_max] > x[row, column]:
row, column = right_max
column += col
【讨论】：
这是一个利用 nan 函数集的解决方案：
In [180]: arr = np.array([[1,10,3],[4,15,6]])
In [181]: arr1 = arr.astype(float)
In [182]: arr1[:,1]=np.nan
In [183]: arr1
Out[183]:
array([[ 1., nan, 3.],
[ 4., nan, 6.]])
In [184]: np.nanargmax(arr1)
Out[184]: 5
In [185]: np.unravel_index(np.nanargmax(arr1),arr.shape)
Out[185]: (1, 2)
在时间上它可能不是最佳的，但可能更容易调试替代方案。
查看np.nanargmax，我发现它只是将np.nan 替换为-np.inf。因此，我们只需将排除列值替换为足够小的整数，这样它们就不会是最大值。
In [188]: arr1=arr.copy()
In [189]: arr1[:,1] = np.min(arr1)-1
In [190]: arr1
Out[190]:
array([[1, 0, 3],
[4, 0, 6]])
In [191]: np.argmax(arr1)
Out[191]: 5
In [192]: np.unravel_index(np.argmax(arr1),arr.shape)
Out[192]: (1, 2)
我也可以想象一个使用 np.ma.masked_array 的解决方案，但这往往比速度工具更方便。
【讨论】：
同意Dunes的评论：
对于小型数组，例如您的示例，可能会更快 复制矩阵，没有给定的列，然后取 最大限度。使用更大的阵列，在任一侧取最大值可能会更快 列的最大值，并取左侧和右侧的最大值 列。
这里是每个案例的实现，以及一个调度函数。 （THRESHOLD_SIZE 的值需要根据实验添加。）
小数组案例
创建删除指定列的数组。计算总体最大值，然后计算它出现的位置。如果列在右侧，则将其添加到列。
大数组情况
它创建包含列最大值的临时一维数组。这些通常（尽管不是在每种情况下）都明显小于二维数组。首先，识别排除列的哪一侧包含最大值，然后识别它是哪一列，最后它是哪一行。这避免了检查每个元素两次的需要。该代码还避免在任何点创建数组的任何二维切片。
THRESHOLD_SIZE = .....
def get_max_position(m, exclude_column):
return (get_max_position_largearray if m.size > THRESHOLD_SIZE
else get_max_position_smallarray)(m, exclude_column)
def get_max_position_smallarray(m, exclude_column):
mnew = np.delete(m, exclude_column, axis=1)
row, col = np.argwhere(mnew == np.max(mnew))[0]
# uses: int(True)=1 and int(False)=0
return (row, col + (col >= exclude_column))
def get_max_position_largearray(m, exclude_column):
column_maxima = np.max(m, axis=0)
l_col_maxima = column_maxima[:exclude_column]
r_col_maxima = column_maxima[exclude_column + 1:]
l_max = np.max(l_col_maxima) if l_col_maxima.size else None
r_max = np.max(r_col_maxima) if r_col_maxima.size else None
use_left = (True if r_max == None else
False if l_max == None else
(l_max > r_max))
if use_left:
themax = l_max
col = np.argwhere(l_col_maxima == themax)[0][0]
else:
themax = r_max
col = exclude_column + 1 + np.argwhere(r_col_maxima == themax)[0][0]
row = np.argwhere(m[:,col] == themax)[0][0]
return (row, col)
这是问题中的示例，通过两种方法：
m = np.array([[1,10,3],
[4,15,6]])
exclude_column = 1
print(get_max_position_largearray(m, exclude_column))
print(get_max_position_smallarray(m, exclude_column))
输出：
(1, 2)
(1, 2)
【讨论】：
你可以这样做：
m = [[1,10,3],
[4,15,6]]
c = 1 # Choose the column to exclude
a = max([[n,(k,b)] for k,i in enumerate(m) for b,n in enumerate(i) if b!=c])[1]
print(a)
输出：
(1, 2)
【讨论】：
另一种没有副本的方法，用列表索引列：
import numpy as np
m = np.array([[1, 10, 3], [4, 15, 6]])
exclude_col = 1
# assign nicer names to the shape
rows, cols = m.shape
# generate indices for slicing
inds = list(range(cols))
inds.remove(exclude_col)
# find the maximum in the sliced array
max_ind = np.unravel_index(np.argmax(m[:, inds]), (rows, cols - 1))
# fix the found column index if we exceeded exclude_col
max_ind = (max_ind[0], max_ind[1] if max_ind[1] < exclude_col else max_ind[1] + 1)
最后一行是 Python3.8 赋值表达式的一个很好的候选，所以在 Python3.8+ 中你可以这样写：
max_ind = (max_ind[0], v if (v := max_ind[1]) < exclude_col else v + 1)
编辑：这样的索引可能也会创建一个副本，我还没有测试过，但是这些元素在内存中并不连续。
【讨论】：