numpyのインデックス - numpy.argmax.reduceat

Question

Iが平坦アレイb有する：

a = numpy.array([0, 1, 1, 2, 3, 1, 2]) 

そして各 "チャンク" の開始をマーキングインデックスの配列をc：

b = numpy.array([0, 4]) 

私は縮小を使用して、各「チャンク」の最大値を見つけることができます知っている：

m = numpy.maximum.reduceat(a,b) 
>>> array([2, 3], dtype=int32) 

しかし...ベクトル化された操作（リスト、ループなし）を持つ、のような最大<edit>のインデックスを（numpy.argmaxのように）見つける方法はありますか？

Answer 1

this postからアイデアを借りてください。関与

ステップ：

• によって、グループ内のすべての要素をオフセット限界オフセット。これらをグローバルに並べ替えると、各グループがそれぞれのポジションに留まることが制限されますが、各グループ内のエレメントはソートされます。

• ソートされた配列では、グループmaxである最後の要素を探します。それらのインデックスは、グループの長さをオフセットした後のargmaxになります。

したがって、ベクトル化の実装は次のようになり -

マイナーな微調整として

def numpy_argmax_reduceat(a, b): 
    n = a.max()+1 # limit-offset 
    grp_count = np.append(b[1:] - b[:-1], a.size - b[-1]) 
    shift = n*np.repeat(np.arange(grp_count.size), grp_count) 
    sortidx = (a+shift).argsort() 
    grp_shifted_argmax = np.append(b[1:],a.size)-1 
    return sortidx[grp_shifted_argmax] - b 

と1おそらく速く、我々は代わりのようなので、cumsumとshiftを作成するため、それ以前のアプローチのバリエーションを持っている可能性があり -

def numpy_argmax_reduceat_v2(a, b): 
    n = a.max()+1 # limit-offset 
    id_arr = np.zeros(a.size,dtype=int) 
    id_arr[b[1:]] = 1 
    shift = n*id_arr.cumsum() 
    sortidx = (a+shift).argsort() 
    grp_shifted_argmax = np.append(b[1:],a.size)-1 
    return sortidx[grp_shifted_argmax] - b