如果我想找出一个列表中的最大值,我可以写max(List)
,但如果我还需要最大值所在的索引呢?
我可以写类似于以下的代码:
maximum=0
for i,value in enumerate(List):
if value>maximum:
maximum=value
index=i
但是这对我来说看起来很繁琐。
如果我写:
List.index(max(List))
然后它会两次迭代列表。
有更好的方法吗?
如果我想找出一个列表中的最大值,我可以写max(List)
,但如果我还需要最大值所在的索引呢?
我可以写类似于以下的代码:
maximum=0
for i,value in enumerate(List):
if value>maximum:
maximum=value
index=i
但是这对我来说看起来很繁琐。
如果我写:
List.index(max(List))
然后它会两次迭代列表。
有更好的方法吗?
我认为被接受的答案很好,但为什么不明确地这样做呢?我觉得更多人会理解你的代码,这也符合PEP 8的规定:
max_value = max(my_list)
max_index = my_list.index(max_value)
这种方法的速度比被接受的答案快三倍:
import random
from datetime import datetime
import operator
def explicit(l):
max_val = max(l)
max_idx = l.index(max_val)
return max_idx, max_val
def implicit(l):
max_idx, max_val = max(enumerate(l), key=operator.itemgetter(1))
return max_idx, max_val
if __name__ == "__main__":
from timeit import Timer
t = Timer("explicit(l)", "from __main__ import explicit, implicit; "
"import random; import operator;"
"l = [random.random() for _ in xrange(100)]")
print "Explicit: %.2f usec/pass" % (1000000 * t.timeit(number=100000)/100000)
t = Timer("implicit(l)", "from __main__ import explicit, implicit; "
"import random; import operator;"
"l = [random.random() for _ in xrange(100)]")
print "Implicit: %.2f usec/pass" % (1000000 * t.timeit(number=100000)/100000)
在我的电脑上运行的结果:
Explicit: 8.07 usec/pass
Implicit: 22.86 usec/pass
其他设置:
Explicit: 6.80 usec/pass
Implicit: 19.01 usec/pass
numpy.argmax()
,在我的机器上它快了另外30倍。如果列表包含比纯数字更复杂的对象,则我回答中的方法可能会更快。那个方法的另一个优点是它可以用于任意迭代器,而不仅仅是列表。 - Sven Marnachmax()
仅返回第一个(对于Python 3保证如此),list.index()
同样返回第一个。 - Chris_Rands有很多选择,例如:
import operator
index, value = max(enumerate(my_list), key=operator.itemgetter(1))
key
函数仅用于决定哪个元素是最大的,元素本身不会改变。 - Sven Marnachkey=lambda e: e[1]
,从而避免导入模块呢? - lifebalanceitemgetter()
更快,并且避免导入模块并不值得追求。在某些情况下,避免外部依赖可能是值得的,但从标准库导入模块并不成问题。 - Sven Marnach假设列表非常大,且已经是np.array()类型,这个答案比@Escualo快33倍。我不得不降低测试次数,因为该测试涉及10000000个元素而不仅仅是100个。
import random
from datetime import datetime
import operator
import numpy as np
def explicit(l):
max_val = max(l)
max_idx = l.index(max_val)
return max_idx, max_val
def implicit(l):
max_idx, max_val = max(enumerate(l), key=operator.itemgetter(1))
return max_idx, max_val
def npmax(l):
max_idx = np.argmax(l)
max_val = l[max_idx]
return (max_idx, max_val)
if __name__ == "__main__":
from timeit import Timer
t = Timer("npmax(l)", "from __main__ import explicit, implicit, npmax; "
"import random; import operator; import numpy as np;"
"l = np.array([random.random() for _ in xrange(10000000)])")
print "Npmax: %.2f msec/pass" % (1000 * t.timeit(number=10)/10 )
t = Timer("explicit(l)", "from __main__ import explicit, implicit; "
"import random; import operator;"
"l = [random.random() for _ in xrange(10000000)]")
print "Explicit: %.2f msec/pass" % (1000 * t.timeit(number=10)/10 )
t = Timer("implicit(l)", "from __main__ import explicit, implicit; "
"import random; import operator;"
"l = [random.random() for _ in xrange(10000000)]")
print "Implicit: %.2f msec/pass" % (1000 * t.timeit(number=10)/10 )
我的电脑上的结果:
Npmax: 8.78 msec/pass
Explicit: 290.01 msec/pass
Implicit: 790.27 msec/pass
l = np.array([random.random() for _ in range(10000000)])
print(f"Npmax: {(1000 * t.timeit(number=10)/10):5.2f} msec/pass")
- Piotr Siejdanumpy.argmax
的速度看起来很惊人,直到你让它处理一个标准的Python列表。然后速度介于显式和隐式版本之间。我猜测 np.array
不仅仅创建了一个列表,而是在其中保存了一些额外的信息 - 比如最小值和最大值(这只是一个假设)。 - Miroslaw Opokaa = [2, 9, -10, 5, 18, 9]
max(xrange(len(a)), key = lambda x: a[x])
这告诉max
在列表[0, 1, 2, ..., len(a)]
中查找最大的数字,使用自定义函数lambda x: a[x]
。该函数表示0
实际上是2
,1
实际上是9
,以此类推。
我建议一种非常简单的方法:
import numpy as np
l = [10, 22, 8, 8, 11]
print(np.argmax(l))
print(np.argmin(l))
希望有所帮助。
这将my_list
转换为元组(v,i)的列表,其中v
是我的列表中的每个项,i
是对应的索引,然后获取具有最大值的元组以及其关联的索引:
max([(v,i) for i,v in enumerate(my_list)])
max
函数是如何知道在计算最大值时只考虑每个元组(v
)的第一个项目的?可以,max
函数通过默认比较每个元组的第一个项目来确定最大值。这是因为在Python中,元组是按照其成员的顺序进行排序和比较的,并且在比较两个元组时,Python会首先比较它们的第一个项,如果它们相等,则继续比较下一个项目,直到找到不同的项目为止。因此,在使用max
函数查找最大值时,默认情况下只考虑元组的第一个项目。 - clabe45max([(value,index) for index,value in enumerate(your_list)]) #if maximum value is present more than once in your list then this will return index of the last occurrence
max_value = max(your_list)
maxIndexList = [index for index,value in enumerate(your_list) if value==max(your_list)]
your_list = [13, 352, 2553, 0.5, 89, 0.4]
sorted_list = sorted(your_list)
index_of_higher_value = your_list.index(sorted_list[-1])
sorted_list
没有索引,只有值,因此它无法工作。列表推导式方法:
假设您有一个列表List = [5,2,3,8]
那么[i for i in range(len(List)) if List[i] == max(List)]
将是一种Pythonic的列表推导式方法,用于查找值为“i”的位置,其中List[i] == max(List)
。
对于由列表组成的数组,它可以轻松扩展,只需进行一个for循环即可。
例如,使用任意列表的列表"array"并将"index"初始化为空列表。
array = [[5, 0, 1, 1],
[1, 0, 1, 5],
[0, 1, 6, 0],
[0, 4, 3, 0],
[5, 2, 0, 0],
[5, 0, 1, 1],
[0, 6, 0, 1],
[0, 1, 0, 6]]
index = []
for List in array:
index.append([i for i in range(len(List)) if List[i] == max(List)])
index
[[0], [3], [2], [1], [0], [0], [1], [3]]
我创建了一些大列表。其中一个是列表,另一个是numpy数组。
import numpy as np
import random
arrayv=np.random.randint(0,10,(100000000,1))
listv=[]
for i in range(0,100000000):
listv.append(random.randint(0,9))
%%time
listv.index(max(listv))
54.6 秒:
%%time
listv.index(max(arrayv))
6.71秒:
%%time
np.argmax(listv)
%%time
np.argmax(arrayv)
NumPy的数组速度非常快。