numpy array - unravel_index的argmax v.sum的argmax

Question

我正在尝试沿着一个轴对一个阵列进行边缘处理，并检查一维峰值是否出现在与原始二维峰值相同的相关指数处。在什么情况下(x的形式)，下面的断言应该失败？

def check(x,axis=None):
    import numpy
    m = numpy.sum(x, axis=axis)
    v,w = numpy.unravel_index(numpy.argmax(x), x.shape)
    assert(v==numpy.argmax(m))
    return

对于x=numpy.array(range(15)).reshape(5,3)，check(x,axis=0)会引发错误，但check(x,axis=1)不会。我不明白为什么AssertionError会被抛出--我是不是很愚蠢？

Answer 1

您正在检查未分解索引的错误坐标。而不是

v,w=numpy.unravel_index(numpy.argmax(x),x.shape)
assert(v==numpy.argmax(m))

你可能想要

vw = numpy.unravel_index(numpy.argmax(x),x.shape)
assert vw[1 - axis] == numpy.argmax(m)

或者也许

v,w=numpy.unravel_index(numpy.argmax(x),x.shape)
assert (v if axis == 1 else w) == numpy.argmax(m)

Answer 2

axis参数的值至关重要。

通过x (N, M)数组，m=np.sum(x, axis=axis)将为您提供

• a标量if axis=None；
• a M array if axis=0;
• a N if axis=1.

因此，如果为axis=None，则np.argmax(m)将始终为0，或者为0和M之间的整数(分别为N) if axis=0 (分别axis=1)。

但是，您的(v, w) = np.unravel_index(...)将始终将v作为介于0和N之间的整数。

正如您所看到的，对于axis=0，m的潜在值范围与v不同，而axis=1是相同的。

因此，如果是axis=1，则将m与v进行比较；如果是axis=1，则将其与w进行比较(@ecatmur的答案告诉您如何使用)。