python - 从 numpy argmin 中删除轴参数，但仍然矢量化

Question

所以我有以下几行代码

np.argmin(distances, axis = 0)

这里的distances是k个质心和n个点之间的距离矩阵。所以它是一个 k x n 矩阵。因此，通过这行代码，我试图通过沿轴 0 取 argmin 来找到每个点最近的质心。

我的目标是拥有一个类似的没有 axis 参数的向量化代码，因为它没有在我正在使用的 numpy 的分支中实现。

任何帮助都会很好:)

Answer 1

这是一个矢量化的 -

def partial_argsort(a):
    idar = np.zeros(a.max()+1,dtype=int)
    idar[a] = np.arange(len(a))
    return idar[np.sort(a)]

def argmin_0(a):
    # Define a scaling array to scale each col such that each col is 
    # offsetted against its previous one  
    s = (a.max()+1)*np.arange(a.shape[1])

    # Scale each col, flatten with col-major order. Find global partial-argsort. 
    # With the offsetting, those argsort indices would be limited to per-col
    # Subtract each group of ncols elements based on the offsetting.
    m,n = a.shape
    a1D = (a+s).T.ravel()
    return partial_argsort(a1D)[::m]-m*np.arange(n)

运行示例进行验证 -

In [442]: np.random.seed(0)
     ...: a = np.random.randint(11,9999,(1000,1000))
     ...: idx0 = argmin_0(a)
     ...: idx1 = a.argmin(0)
     ...: r = np.arange(len(idx0))
     ...: print (a[idx0,r] == a[idx1,r]).all()
True