在Python數組中查找對象索引的更有效方法

Question

我有一個非常大的400x300x60x27陣列（我們稱其為“ A”）。 我取了最大值，現在是一個名為“ B”的400x300x60數組。 基本上，我需要在“ A”中找到“ B”中每個值的索引。 我已經將它們都轉換為列表，並建立了一個for循環來查找索引，但是由於有超過700萬個值，因此花了很長時間才能完成索引。 這就是我所擁有的：

B=np.zeros((400,300,60))
C=np.zeros((400*300*60))
B=np.amax(A,axis=3)
A=np.ravel(A)
A=A.tolist()
B=np.ravel(B)
B=B.tolist()
for i in range(0,400*300*60):
    C[i]=A.index(B[i])

有沒有更有效的方法可以做到這一點？ 它花費了數小時，並且程序仍然停留在最后一行。

Answer 1

您不需要amax，您需要argmax。 在argmax的情況下，數組將僅包含索引而不是值，使用索引查找值的計算效率要好得多，反之亦然。

因此，我建議您僅存儲索引。 在展平陣列之前。

代替np.amax，運行A.argmax，它將包含索引。 但是在將其展平為一維之前，您將需要使用一個映射函數，該函數也會使索引也變為一維。 這可能是一個瑣碎的問題，因為您只需使用一些基本操作即可實現此目的。 但這也將花費一些時間，因為它需要執行很多次。 但這不是搜索探針，可以為您節省很多時間。

Answer 2

您將獲得這些argmax索引，並且由於扁平化，您基本上將其轉換為那些線性索引的等效項。

因此，一種解決方案是在適當的偏移量中逐步增加argmax索引，以利用在每個索引處的broadcasting ，就像這樣-

m,n,r,s = A.shape
idx = A.argmax(axis=3)
idx += s*np.arange(r)
idx += r*s*np.arange(n)[:,None]
idx += n*r*s*np.arange(m)[:,None,None] # idx is your C output

另外，一種緊湊的表達方式是這樣的-

m,n,r,s = A.shape
I,J,K = np.ogrid[:m,:n,:r]
idx = n*r*s*I + r*s*J + s*K + A.argmax(axis=3)