使用 Numpy Python 切片并获取最大值

Question

我正在尝试使用 numpy 编写代码，它输出索引之间的最大值。我认为使用argmax 可能是可用的。但是我不知道如何在不使用 python 循环的情况下使用切片。如果有一个熊猫功能，它也可以使用。我想让计算尽可能快。

list_ = np.array([9887.89, 9902.99, 9902.99, 9910.23, 9920.79, 9911.34, 9920.01, 9927.51, 9932.3, 9932.33, 9928.87, 9929.22, 9929.22, 9935.24, 9935.24, 9935.26, 9935.26, 9935.68, 9935.68, 9940.5])
indexes = np.array([0, 5, 10, 19])

预期结果：

Max number between index(0 - 5):  9920.79 at index 5
Max number between index(5 - 10): 9932.33 at index 10
Max number between index(10 - 19): 9940.5 at index 19

Answer 1

你可以直接使用reduceat你的数组，而不需要拼接/拆分它：

np.maximum.reduceat(list_,indexes[:-1])

输出：

array([9932.33, 9929.22, 9940.5 ])

Answer 2

假设索引数组中指定了第一个（零）索引和最后一个索引，

import numpy as np

list_ = np.array([9887.89, 9902.99, 9902.99, 9910.23, 9920.79, 9911.34, 9920.01, 9927.51, 9932.3, 9932.33, 9928.87, 9929.22, 9929.22, 9935.24, 9935.24, 9935.26, 9935.26, 9935.68, 9935.68, 9940.5])
indexes = np.array([0, 5, 10, 19])

chunks = np.split(list_, indexes[1:-1])
print([c.max() for c in chunks])

max_ind = [c.argmax() for c in chunks]
print(max_ind + indexes[:-1])

没有必要让每个块都具有相同的大小和任意指定的索引。因此，numpy 的矢量化优势将会以一种或另一种方式丢失（因为你不能有一个 numpy 数组，其中每个元素在内存中的大小不同，这也具有矢量化的所有优势）。

我认为至少需要一个 for 循环。但是，您可以使用 split 来使拆分成为 numpy 优化的操作。