如何快速将一个函数的多个numpy数组映射到不同对象的单个数组

如此简单:

np.argmax((a,b,c,d),axis=0)

这会给你一个数组 0 方法 a , 1 方法 b ,等等。 如果你真的在乎,你可以把地图 dict(zip(range(4),'abcd')) 为了它。

对于“更一般”的问题,你要看 numpy.vectorize .

对于您的主要问题:如果使用 np.concatenate 那你就可以用 np.argmax 获取一个数组,该数组显示在每个位置哪个数组的元素最大。下面的示例显示了1D数组的这种情况。你会想要的 axis=2 对于二维阵列。

In [1]: import numpy as np

In [2]: a1 = np.array([1, 2, 3, 4])

In [3]: a2 = np.array([3, 2, 1, 1])

In [4]: a1
Out[4]: array([1, 2, 3, 4])

In [5]: a2
Out[5]: array([3, 2, 1, 1])

In [6]: np.concatenate([a1, a2])
Out[6]: array([1, 2, 3, 4, 3, 2, 1, 1])

In [7]: np.concatenate([[a1], [a2]])
Out[7]: 
array([[1, 2, 3, 4],
       [3, 2, 1, 1]])

In [9]: ai = np.concatenate([[a1], [a2]])

In [11]: np.argmax(ai, axis=1)
Out[11]: array([3, 0])

In [12]: np.argmax(ai, axis=0)
Out[12]: array([1, 0, 0, 0])

您的另一个问题是“如何在不使用循环的情况下跨数组对每个数组元素应用单独的函数?”不清楚。我不明白这是什么意思,但可能是另外一个问题。