如何在python中使用numpy获取累积最大索引？

Question

我正在尝试获取x和y向量中所有累积最大值的坐标。我写的是一个幼稚的书，for-loop但我觉得有一些方法可以使它numpy更优雅。

有谁知道其中的任何功能，掩膜技术或单线numpy可以做到这一点？

详细信息应通过下图说明：

# Generate data
x = np.abs(np.random.RandomState(0).normal(size=(100)))
y = np.linspace(0,1,x.size)
z = x*y

# Get maximiums
idx_max = list()
val_max = list()

current = 0
for i,v in enumerate(z):
    if v > current:
        idx_max.append(i)
        val_max.append(v)
        current = v

# Plot them
with plt.style.context("seaborn-white"):
    fig, ax = plt.subplots(figsize=(10,3), ncols=2)
    ax[0].plot(z)
    ax[1].plot(z, alpha=0.618)
    ax[1].scatter(idx_max, val_max, color="black", edgecolor="maroon", linewidth=1.618)

Answer 1

我们可以利用np.maximum.accumulate-

idx_max = np.flatnonzero(np.isclose(np.maximum.accumulate(z),z))[1:]
val_max = z[idx_max]

基本思想是，accumulative max与当前元素相比，该值指示哪些元素位置负责“提升”运行最大值。负责任的是我们需要的指标idx_max。由于我们正在处理浮点数，因此我们需要对此进行一些容忍np.isclose。

那[1:]部分是因为起始电流值是0，所以也是z[0]。因此，该v > current部分不会将起始索引附加到输出中。要确切地说，它应该是-

current = 0
idx = np.flatnonzero(np.isclose(np.maximum.accumulate(z),z))
idx = idx[z[idx] > current]

但是，给定了起始值，更早的假设使我们的代码更容易/紧凑/简短。