在 numpy 数组中查找与所有其他行相比具有最小值的行

Posted 2023-03-16

【中文标题】在 numpy 数组中查找与所有其他行相比具有最小值的行

【英文标题】：Finding the row in an numpy array that has the smallest values compared to all other rows

【发布时间】：2021-11-18 16:35:19

【问题描述】：

假设我有以下矩阵：

A = [[7,5,1,2]
     [10,1,3,8]
     [2,2,2,3]]

我需要提取与所有其他行相比元素最接近 0 的行，也就是元素最少的行。所以我需要[2,2,2,3]

我尝试了很多东西，np.min、np.amin、np.argmin

但所有人都给了我每行的最小值，例如：

[2,1,1,2]

这不是我要找的。​​p>

如果有人知道正确的函数，您能否指出该函数的文档？

谢谢。

【问题讨论】：

与所有其他行相比，元素最接近 0 的行你如何定义它？

@Cresht，虽然它是一个 np 数组，但我不需要在 np 数组上使用 np 函数吗？ @Psidom，我不确定如何定义它，就像你知道我们如何在最小二乘法中找到最接近所有其他点的点？我需要最接近[0,0,0,0]的行

【参考方案1】：

import numpy as np

A = np.array([[7,5,1,2],
             [10,1,3,8],
             [2,2,2,3]])

print(print(A[np.argmin(A.sum(axis=1))]))

# [2 2 2 3]

对行求和，然后找到最小值的行索引，最后找到行。

【参考方案2】：

这取决于您在说最近时如何定义距离。我猜你正在寻找 欧几里得距离，即这里的 L2 范数。在这种情况下，您只需找到所有行的最小平方和：

A[(A ** 2).sum(1).argmin()]
# array([2, 2, 2, 3])

您还可以通过 L1 范数或与 0 的绝对差之和找到 最接近的：

A[np.abs(A).sum(1).argmin()]
# array([2, 2, 2, 3])

在这个虚拟示例中，两种方法给出的结果相同，但根据实际数据，它们可能会有所不同。

【参考方案3】：

想到的第一个方法是找到每一行的最小值。然后找到该数组的 argmin。

row_mins = A.min(axis=0)
row_with_minimum = row_mins.argmin()

然后要得到最小元素的行，做

A[row_with_minimum, :]