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 npa = 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 npa = 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]: a

Out[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]==1

Out[26]: 

array([False, False, False,  True, False, False,  True,  True, False,

        True,  True])

In [27]: a[1:]==1

Out[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-length

In [21]: np.convolve(a,[1]*W,'same').argmax()-W//2

Out[21]: 6

In [22]: W = 3

In [23]: np.convolve(a,[1]*W,'same').argmax()-W//2

Out[23]: 9