由另一个数组索引的两个numpy数组的元素方式最小值

Question

我有三种形状的阵列：

A = a = np.random.exponential(1, [10, 1000000])  # of shape (10, 1000000)
B = a = np.random.exponential(1, [10, 1000000])  # of shape (10, 1000000)

我计算了另一个数组IND []，如下所示。 IND []的每个元素是A的最大元素的索引（一列中每10个值的最大值），

IND = np.argmax(snr_sr, axis=0)  # of shape (1000000,)

我想计算另一个数组C，它在IND []的值指定的行＃处包含A和B的元素方式最小值。 因此，C数组的形状应为（1，1000000）。 我想避免循环。 我尝试了以下操作，但是C的值不正确。

for j in range(0, A.shape[1]):    
        m  = ind[j]
        C  = minimum(A[m,:], B[m,:])  # return 1x1000000 array

抱歉，由于数组很大，无法发布。 您可以采用相同形状的任何阵列。

第一次编辑：有人为我提供了正确的答案，但是他删除了它（不知道为什么？）。无论如何，我在删除答案之前先复制了答案。 请再次发布，以便我将其标记为正确。 （对他来说：为简单起见，他取了1100个数组）。

Answer 1

我缩短了您的数组：

a = np.random.exponential(1, [10, 100])  # of shape (10, 100)
b = np.random.exponential(1, [10, 100])
ind=np.argmax(a,axis=0)

使用那个ind在a和b每列选择一行：

a_ = a[ind,np.arange(a.shape[1])]
b_ = b[ind,np.arange(a.shape[1])]

然后计算c ：

c=np.minimum(a_, b_)

Answer 2

注意：我不擅长numpy，因此可能会有更有效的解决方案。

首先按行查找A和B中的最小值：

minAB = np.min(np.minimum(A, B), axis=1)

然后使用ind索引此数组：

C = minAB[ind]