Numpy：有没有办法使用 np.argmax 搜索连续值？

Question

有没有办法在 Numpy 数组中搜索连续值并返回它们的索引？

例如，如果我们在数组上使用 argmax 来查找单个元素的第一个实例：

import numpy as np

a = np.array((0, 0, 0, 1, 0, 0, 1, 1, 0, 1, 1, 1))

print(np.argmax(a == 1))

我们得到结果：

3

有没有办法在同一个数组中搜索一对的第一个实例？例如，我想获取6以下代码的值：

import numpy as np

a = np.array((0, 0, 0, 1, 0, 0, 1, 1, 0, 1, 1, 1))

print(np.argmax(a == [1, 1]))

但相反，它返回：

0

Answer 1

对于少量连续搜索模式，我们可以简单地切片并查找所有匹配项，最后使用our-favourite argmax。因此，对于2连续搜索模式，它将是 -In [6]: ((a[:-1]==1) & (a[1:]==1)).argmax()Out[6]: 6一些解释这都是关于切片的，因为我们得到了两个单偏移的数组切片。一个偏移量是因为连续搜索的窗口长度为2。因此，对于 的搜索窗口长度3，我们需要考虑两个偏移的数组切片等。现在，回到我们简单的两个连续窗口案例，我们有一个偏移的切片。我们将这些与 进行比较1，这为我们提供了匹配的布尔数组。然后来AND-ing了，这样就覆盖了整个窗口。最后跳进我们的岛屿argmax，开始第一个岛屿！步骤的分解应该有助于进一步澄清给定的样本 -In [24]: aOut[24]: array([0, 0, 0, 1, 0, 0, 1, 1, 0, 1, 1, 1])In [25]: a[:-1]Out[25]: array([0, 0, 0, 1, 0, 0, 1, 1, 0, 1, 1])In [26]: a[:-1]==1Out[26]: array([False, False, False,  True, False, False,  True,  True, False,        True,  True])In [27]: a[1:]==1Out[27]: array([False, False,  True, False, False,  True,  True, False,  True,        True,  True])In [28]: (a[:-1]==1) & (a[1:]==1)Out[28]: array([False, False, False, False, False, False,  True, False, False,        True,  True])In [29]: ((a[:-1]==1) & (a[1:]==1)).argmax()Out[29]: 6更多的连续出现对于更多的缺点。出现，我们可以求助于更内置和使用的东西np.convolve，就像这样 -In [20]: W = 2 # window-lengthIn [21]: np.convolve(a,[1]*W,'same').argmax()-W//2Out[21]: 6In [22]: W = 3In [23]: np.convolve(a,[1]*W,'same').argmax()-W//2Out[23]: 9