如何在numpy的3d数组中找到最小值和最大值，并对结果进行分组？

如何解决如何在numpy的3d数组中找到最小值和最大值，并对结果进行分组？

我有一个像这样的 3D NumPy 数组：

[[[4 1 5 2 5 5 7 8 9 7]
  [7 4 2 4 7 8 4 1 3 5]
  [6 1 2 1 1 1 2 3 7 6]
  [5 5 5 0 5 4 3 8 7 1]
  [2 8 6 7 4 7 5 5 5 1]]

 [[9 9 5 8 0 7 3 9 8 1]
  [9 1 9 5 7 4 5 4 7 0]
  [1 0 4 8 7 3 4 3 8 8]
  [8 1 3 1 7 0 9 9 3 8]
  [4 0 2 3 8 2 0 1 2 4]]

 [[1 6 2 4 4 0 2 3 0 3]
  [9 6 8 6 6 5 6 9 4 1]
  [0 4 0 2 9 1 1 2 4 6]
  [6 1 9 9 7 8 9 7 6 8]
  [9 3 9 0 7 0 0 0 7 0]]]

有了它，我喜欢像这样创建一个 2d ndarray：

[[6]
 [9]
 [9]]

其中这个二维数组的每个元素都是原始数组第三列的最大值：

我已经花了几个小时试图解决这个问题，但没有运气......

我要求将 2d 数组作为输出，因为我还有其他计算要进行（例如，我还需要以类似的方式最小化第二列的值），但我想我可以从中推断出这些。

非常感谢任何指针！

解决方法

你有没有试过这个：

import numpy as np
x = np.random.randint(0,10,(3,5,10))
print(x)
maxes = x[:,:,2].max(axis=1)
print(maxes)

[[[5 0 6 6 4 7 5 0 4 8]
  [0 6 8 8 2 1 7 5 4 3]
  [2 7 5 5 0 2 6 8 6 3]
  [5 9 7 5 1 1 5 4 8 7]
  [0 2 3 7 8 1 9 1 2 6]]

 [[8 9 4 3 3 6 0 4 9 1]
  [1 5 6 4 3 2 7 7 0 2]
  [3 2 0 1 9 6 5 8 0 5]
  [6 1 5 9 1 6 4 7 4 5]
  [7 2 5 8 6 8 5 1 9 5]]

 [[9 4 0 9 0 6 3 7 4 1]
  [4 1 4 9 1 1 1 2 0 6]
  [7 3 3 2 5 2 0 6 9 1]
  [1 7 0 1 8 1 3 8 6 4]
  [6 9 0 2 6 0 2 1 7 7]]]
[8 6 4]

要了解这是如何工作的，请结帐：

• Numpy array indexing
• np.ndarray.max

并且，获取所有列的最大值：

col_maximums = x.max(axis=1)
print(col_maximums)
                                                                                    
[[5 9 8 8 8 7 9 8 8 8]
 [8 9 6 9 9 8 7 8 9 5]
 [9 9 4 9 8 6 3 8 9 7]]

,

您需要做的是获取您想要的列（在本例中为 arr[:,2]）。这将具有 (3,5) 的形状。 arr=np.max(arr[:,2],axis=-1) 然后以 (3) 的形状生成您想要的数组内容。然后您可以调用 arr=np.reshape(arr,1)) 以获得您想要的形状。

,

下面我尝试一步一步地进行操作，并在每次操作后打印形状。 (2,) 很重要，以便保留维度并像您想要的那样保持二维（否则它会自动折叠单例维度）。

import numpy as np

a = np.array([
    [[4,1,2,7,8,9,7],[7,4,3,5],[6,6],[5,1],[2,6,1]],[[9,[9,0],[1,8],[8,[4,4]],[[1,3],[0,0]]
])

print(a.shape)  # --> (3,10)
col2 = a[:,(2,)]
print(col2.shape)  # --> (3,1)
max_col2 = col2.max(axis=1)
print(max_col2.shape)  # --> (3,1)
print(max_col2)  # -->

[[6]
 [9]
 [9]]
 

,

您也可以像这样使用 keepdims 的 np.max 参数（a 是您的原始数组）：

a[:,2].max(1,keepdims=True)

输出：

[[6]
 [9]
 [9]]