numpy 2d：如何仅获取第二列中允许的值的第一列中最大元素的索引

Question

帮助找到解决问题的高性能方法：我在神经网络（answers_weight）之后得到了结果，答案类别（相同长度）以及当前请求允许的类别：

answers_weight = np.asarray([0.9, 3.8, 3, 0.6, 0.7, 0.99]) # ~3kk items

answers_category = [1, 2, 1, 5, 3, 1] # same size as answers_weight: ~3kk items

categories_allowed1 = [1, 5, 8]

res = np.stack((answers_weight, answers_category), axis=1)

我需要知道最大元素的索引（在answers_weight数组中），但跳过不允许的类别（2,3）。

在final中，索引必须= 2（“3.0”，因为“3.8”必须被跳过，因为类别不允许）

Answer 1

最简单的方法是使用 numpy 的 masked_arrays 根据 allowed_categories 来屏蔽权重，然后查找argmax：np.ma.masked_where(~np.isin(answers_category,categories_allowed1),answers_weight).argmax()#2另一种使用掩码的方法（假设最大权重是唯一的）：mask = np.isin(answers_category, categories_allowed1)np.argwhere(answers_weight==answers_weight[mask].max())[0,0]#2

Answer 2

我也使用面膜解决了这个问题inds = np.arange(res.shape[0])# a mask is an array [False  True False False  True False]mask = np.all(res[:,1][:,None] != categories_allowed1,axis=1)allowed_inds = inds[mask]# max_ind is not yet the real answer because the not allowed values are not taken into accountmax_ind = np.argmax(res[:,0][mask])real_ind = allowed_inds[max_ind]