问题
所以我导入了一个数组，其中包含从 ~0.0 到 ~0.76 的值。当我开始尝试使用 Numpy 查找最小值和最大值时，我遇到了一些奇怪的不一致问题，如果它们是我的错，我想知道如何解决，或者如果它们是 Numpy 开发人员端的编程错误，我想知道如何解决。
代码
让我们从使用 np.max 和 np.where 找到最大值的位置开始。
print array.shape
print np.max(array)
print np.where(array == 0.763728955743)
print np.where(array == np.max(array))
print array[35,57]
输出是这样的:
(74, 145)
0.763728955743
(array([], dtype=int64), array([], dtype=int64))
(array([35]), array([57]))
0.763728955743
当我寻找数组恰好等于最大条目值的位置时，Numpy 没有找到它。但是，当我只是搜索最大值的位置而不指定该值是什么时，它就起作用了。请注意，这不会发生在 np.min 中。
现在我有一个关于最小值的不同问题。
print array.shape
print np.min(array)
print np.where(array == 0.0)
print np.where(array == np.min(array))
print array[10,25], array[31,131]
查看返回。
(74, 145)
0.0
(array([10, 25]), array([ 31, 131]))
(array([10, 25]), array([ 31, 131]))
0.0769331747301 1.54220192172e-09
1.54^-9 非常接近 0.0，似乎是最小值。但为什么 np.where 也列出了值为 0.077 的位置？与其他值相比，这甚至不接近 0.0。
问题
为什么 np.where 在输入数组的最大值时似乎不起作用，但在搜索 np.max(array) 时却起作用？为什么 np.where() 与 np.min() 混合返回两个位置，其中一个肯定不是最小值？
请您参考如下方法:
您有两个问题:float 的解释和 np.where 结果的解释.
- 非整数 float 在内部以二进制形式存储，并不总是可以精确地用十进制表示法表示。同样，十进制数并不总是可以用二进制精确表示。这就是为什么
np.where(array == 0.763728955743)返回一个空数组，而print np.where(array == np.max(array))是正确的事物。请注意，第二种情况只是在内部使用了精确的二进制数，没有进行任何转换。对最小值的搜索成功了，因为0.0可以用十进制和二进制精确表示。一般来说，出于这个原因和相关原因，使用==比较float不是一个好主意。 对于您正在使用的
np.where版本，它会变成np.nonzero.您在这里解释结果是因为它为数组的每个维度返回一个数组，而不是单个坐标数组。有多种不同的说法:- 如果您有三个匹配项，您将得到两个数组，每个数组包含三个元素。
- 如果您有一个包含两个匹配项的 3D 输入数组，您将得到三个数组，每个数组包含两个元素。
- 第一个数组是行坐标 (dim 0)，第二个数组是列坐标 (dim 1)。
- 注意您是如何解释
where的最大情况的输出的。这是正确的，但这不是您在最小情况下所做的。
有多种方法可以处理这些问题。最简单的可能是使用 np.argmax和 np.argmin .这些将分别返回数组中最大值或最小值的第一个坐标。
>>> x = np.argmax(array)
>>> print(x)
array([35, 57])
>> print(array[x])
0.763728955743
这里唯一可能的问题是您可能想要获取所有坐标。
在这种情况下，使用 where 或 nonzero 就可以了。与您的代码的唯一区别是您应该打印
print array[10,31], array[25,131]
而不是你正在做的转置值。
