python 实现矩阵中每行最大的前x个值所在的位置

#选择矩阵中每行最大的前x个值所在的位置。

import pandas as pd

from pandas import DataFrame,Series
import numpy as np


arr=np.array([[3,1,4],[5,4,3],[3,4,5]])
data=DataFrame(arr,columns=['l1','l2','l3'],index=['u1','u2','u3'])
d={}
for i in range(data.shape[0]):
    for j in range(data.shape[1]):
       if data.values[i,j]==data.max(1).values[i]:     
          d[data.index[i]]=[data.columns[j]]
          data.values[i,j]=-1
          break


t=1
x=2
while t < x:
    for i in range(data.shape[0]):
       for j in range(data.shape[1]):
          if data.values[i,j]==data.max(1).values[i]:
             d[data.index[i]].append(data.columns[j])
             data.values[i,j]=-1
             break
    t+=1



  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
这个问题可以按照以下步骤解决: 1. 生成m个nxk的随机张量:可以使用Python的NumPy库来生成随机张量。具体可以使用以下代码: ```python import numpy as np m = 10 n = 5 k = 3 tensors = np.random.rand(m, n, k) ``` 这段代码将生成10个5x3的随机张量。 2. 找到每个矩阵每行最大的k个值:可以使用NumPy的argsort函数。这个函数可以返回一个数组,数组的每个元素都是原数组对应位置的元素在排序后的数组的索引。由于我们需要找到每行最大的k个值,因此需要将每个行的元素进行排序,并找到k个最大值的索引。具体可以使用以下代码: ```python topk_indices = np.argsort(-tensors, axis=2)[:, :, :k] ``` 这段代码将返回一个形状为(m, n, k)的数组,其每个元素都是原张量对应位置的元素在该行k个最大值的索引。由于我们需要找到最大的k个值,因此使用了负号对张量进行倒序排序。 3. 将每行最大的k个值置零:可以使用NumPy的advanced indexing来实现。对于每个矩阵每行,我们可以使用面找到的索引来找到该行最大的k个值,并将这些值所在的位置的元素置零。具体可以使用以下代码: ```python row_indices = np.arange(n).reshape(-1, 1) tensors[row_indices, row_indices, topk_indices] = 0 ``` 这段代码将使用arange函数生成一个形状为(n, 1)的数组,其每个元素都是该行的索引。然后使用advanced indexing来找到每个行最大的k个值,并将它们所在的位置的元素置零。 完整代码如下: ```python import numpy as np m = 10 n = 5 k = 3 tensors = np.random.rand(m, n, k) topk_indices = np.argsort(-tensors, axis=2)[:, :, :k] row_indices = np.arange(n).reshape(-1, 1) tensors[row_indices, row_indices, topk_indices] = 0 ```
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值