Numpy: 요청: argmax2d

np.unravel_index 사용하지 않는 이유는 무엇입니까?

예

np.unravel_index(X.argmax(), X.shape)

보너스로 X 차원이 2개 이상인 경우에도 작동합니다.

argmax2d 의 팬은 아니지만 i, j = a.argmax(axis=(0, 1)) 의해 설득될 수 있습니다.

@eric-wieser 어떻게 행동해야 한다고 말하겠습니까? 현재 a.argmax() 는 스칼라를 반환하고 a.argmax(axis=0) 는 나머지 차원의 모양을 가진 배열을 반환합니다. a.shape[2] 모양의 배열을 반환하는 3d 배열의 경우 a.argmax(axis=(0,1)) 를 예상합니다.

이 문제는 제쳐두고, 기본 정수 선형 인덱스 대신 n 길이 인덱스 튜플을 얻기 위해 일반적인 경우에 a.argmax(axis=range(n)) 를 사용하는 것은 약간 이상할 것입니다. 새로운 키워드가 출력 표현 사이를 전환할 수 있을까요?

그렇다면 이 모양 인식 결과 옵션이 기존 axis 키워드와 함께 작동하여 이미 스칼라가 아닌 반환 값을 생성하는 방법은 무엇입니까?

2D 배열의 행 중 하나에 최대값이 없는 경우(단순히 상수 배열임) - argmax가 이를 보고할 수 있는 방법은 무엇입니까?
예를 들어:

# setup the problem
import numpy as np
x=np.arange(10).reshape([2,5])
x[1,3]=2
# x is this:
# [[0, 1, 2, 3, 4],
#  [5, 6, 7, 2, 9]]

# this will behave normally
np.argmax(x==2, axis=1)
# Out: [2,3]

# but this one returns 0 instead of NaN
np.argmax(x==3, axis=1)
# Out: [3,0]
# Expected: [3, nan]

예를 들어 사용 가능한 최대값이 없는 경우 사용자가 수행할 작업을 제어할 수 있도록 추가 인수가 있으면 좋을 것입니다. np.argmax(x,axis,no_ind=0) (0은 이전 버전과의 호환성을 유지하기 위한 기본값입니다).

@ thoth291 이것은 argmax 의 동작에 관한 보다 일반적인 질문이 아닙니까? 1d 배열에 axis 키워드 인수가 없는 경우에도 동일한 일이 발생합니다.

>>> np.argmax([2,2,2])
0

그리고 이것은 동점일 때의 관례적인 행동입니다. 동점된 값 중에서 첫 번째 값을 선택하십시오. 마찬가지로 해당 배열의 max 가 nan 가 아닌 경우: 2입니다. 최대값이 있는 경우 해당 인덱스가 있어야 합니다. 아니면 내가 당신의 요점을 놓쳤습니까?

@adeak , 이제 당신은 이렇게 말했습니다 - 나는 이것이 실제로 더 일반적인 질문이라고 생각하기 시작했습니다.
나는 max([2,2,2]) 가 2 같다는 데 동의할 수 있습니다.
그러나 argmax([2,2,2]) - numpy 문서의 정의에 따르면 the indices corresponding to the first occurrence 반환합니다. 이것은 구현의 관점에서 보면 괜찮은 것 같지만 실제로는 알고리즘의 구식일 뿐이며 실제로 발생해야 하는 것과는 아무 관련이 없습니다. 사실상 모든 인덱스가 반환될 수 있으며 올바른 것으로 취급되어야 합니다. 또는 상수 값 배열의 경우 argmax가 모호하다고 말할 수 있습니다.

즉, 애초에 그러한 결정을 피하고 inf 를 반환하여 그러한 경우를 처리하는 방법을 결정하는 것은 사용자에게 달려 있음을 알리고 싶습니다.

그리고 실제로 일어나는 일과 아무 관련이 없습니다.

"argmax의 추상적 정의와 아무 관련이 없습니다"를 의미합니까? 나는 _"알고리즘"_과 _"실제로 일어나는 일"_이 같은 것일 뿐만 아니라 문서와 일치하기를 바랍니다.

@adeak : 답장을

그러면 이 모양 인식 결과 옵션이 기존 axis 키워드와 함께 어떻게 작동하여 이미 스칼라가 아닌 반환 값이 나올까요?

이 문제를 해결할 수 있는 확실한 방법이 하나 있다고 생각합니다. 예로서:

>>> ret = argmax(np.empty((A, B, C, D, E)), axes=(0, 2))
>>> type(ret)
tuple
>>> len(ret)  # == len(axes)
2
>>> ret[0].shape
(B, D, E)
>>> ret[1].shape
(B, D, e)

그것과 keepdims를 사용하면 모든 차원에 대해 arr[argmax(arr, axes, keepdims=True)] == max(arr, keepdims=True) 를 얻을 수 있으며 이는 나에게 매우 바람직해 보입니다.

의사 코드에서는 다음을 기대합니다.

def argmax(arr, axes, keepdims)
    was_tuple = isinstance(axes, tuple):
    if not was_tuple:
        axes = (axes,)

    shape = np.array(arr.shape)
    axis_mask = np.array([i in axes for i in range(arr.ndim)])
    shape[axis_mask] = 1
    ret = tuple(np.empty(shape) for _ in axes)

    # do the actual work

    if not keepdims:
        ret = tuple(r.reshape(shape[~axis_mask]) for r in ret)

    if not was_tuple:
        return ret[0]

@eric-wieser - 좋은 캐치 - 제대로 번역할 수 있는 것보다 빠르게 입력했습니다. 나중에 조심하겠습니다. "발생" 대신 "발생해야 함"으로 주석을 업데이트했습니다. 도움이 되기를 바랍니다. 그렇지 않으면 재구성에 대한 제안을 받을 수 있습니다.
요점은 argmax([2,2,2])==0 은 argmax([2,2,2])==1 또는 다른 것과 같으며 라이브러리가 아닌 사용자가 선택해야 한다는 것입니다. 그렇지 않으면 이 경우에 무엇을 반환할지 지시하는 추가 키워드 default= 또는 initial= 의 형태로 대체 메커니즘을 제공해야 합니다.

@thoth291 : 당신이 논의하고 있는 것은 _2D_ argmax에만 국한된 것이 아니므로 새 문제를 만드는 것이 좋습니다.

@eric-wieser 걱정하지 마세요. 다시 연락해 주셔서 감사합니다. 나는 당신의 제안을 이해한다고 생각하며 그것은 분명하고 실용적으로 보입니다. axis 인수의 유형이 반환 값이 배열인지 또는 배열의 튜플인지를 결정한다는 사실은 나에게 약간 놀랍습니다(특히 axes=0 vs axes=[0] ). 그러나 동일한 동작에 대한 기존 예가 많이 있다고 확신합니다(실용성은 순수성을 능가합니다).

~확실히: 귀하의 예에서 axes=(0,2) 이면 반환되는 모양은 (B,D,E) 이어야 합니다. 맞습니까?

확인차

둘 다 수정, 좋은 캐치

축 인수의 유형이 반환 값이 배열인지 또는 배열의 튜플인지를 결정한다는 사실이 약간 놀랍습니다.

실제 배열은 동일합니다. 나는 이것이 실용성과 순수성을 모두 충족한다고 생각합니다. 규칙은 axis=(a,) → res = (arr,) 및 axis=a → res = arr 입니다. 크기가 1인 특수 케이스 튜플은 전체 호출 스택에 걸쳐 전염성이 있어야 하므로 나쁜 생각이라고 생각합니다.

나는 특별한 경우 길이 1 튜플을 생각하지 않았을 것입니다. 잘못된 것 같습니다. 스칼라 대 튜플의 경우에 대해 궁금합니다. 스칼라와 길이-1 튜플 케이스가 당신이 언급한 방식으로 서로 대응한다는 것이 막연하게 떠올랐지만, 이제 스칼라 -> 1-튜플 -> 일반 튜플 케이스가 간단한 일반화라는 것이 명백합니다. 감사합니다. 귀하의 제안을 전적으로 지지합니다.