我正在使用Python的max和min函数对列表进行minimax算法，我需要max()或min()返回值的索引。换句话说，我需要知道哪一步棋产生了最大(第一个玩家的回合)或最小(第二个玩家的回合)值。
for i in range(9):
new_board = current_board.new_board_with_move([i / 3, i % 3], player)
if new_board:
temp = min_max(new_board, depth + 1, not is_min_level)
values.append(temp)
if is_min_level:
return min(values)
else:
return max(values)
我需要能够返回最小值或最大值的实际索引，而不仅仅是值。
当前回答
使用numpy数组和argmax()函数
a=np.array([1,2,3])
b=np.argmax(a)
print(b) #2
其他回答
使用numpy模块的函数numpy.where
import numpy as n
x = n.array((3,3,4,7,4,56,65,1))
最小值指数:
idx = n.where(x==x.min())[0]
最大值指数:
idx = n.where(x==x.max())[0]
事实上，这个函数要强大得多。你可以提出各种布尔运算 数值在3至60之间的指数:
idx = n.where((x>3)&(x<60))[0]
idx
array([2, 3, 4, 5])
x[idx]
array([ 4, 7, 4, 56])
我对此也很感兴趣，并使用perfplot(我的一个爱好项目)比较了一些建议的解决方案。
事实证明
min(range(len(a)), key=a.__getitem__)
是用于小型和大型列表的最快方法。
在以前的版本中，np。阿格明过去常吃蛋糕。)
生成图的代码:
import numpy as np
import operator
import perfplot
def min_enumerate(a):
return min(enumerate(a), key=lambda x: x[1])[0]
def min_enumerate_itemgetter(a):
min_index, min_value = min(enumerate(a), key=operator.itemgetter(1))
return min_index
def getitem(a):
return min(range(len(a)), key=a.__getitem__)
def np_argmin(a):
return np.argmin(a)
b = perfplot.bench(
setup=lambda n: np.random.rand(n).tolist(),
kernels=[
min_enumerate,
min_enumerate_itemgetter,
getitem,
np_argmin,
],
n_range=[2**k for k in range(15)],
)
b.show()
如果你想在一个数字列表中找到max的下标(这似乎是你的情况)，那么我建议你使用numpy:
import numpy as np
ind = np.argmax(mylist)
我认为上面的答案解决了你的问题，但我想我要分享一个方法，给你最小值和最小值出现的所有指标。
minval = min(mylist)
ind = [i for i, v in enumerate(mylist) if v == minval]
它两次通过列表，但仍然相当快。然而，它比找到第一次遇到最小值的指数略慢。如果你只需要其中一个极小值，就用马特·安德森的解，如果你需要所有的，就用这个。
假设你有这样一个列表:
a = [9,8,7]
下面的两个方法是非常紧凑的方法，可以获得具有最小元素及其索引的元组。两者都需要差不多的时间来处理。我更喜欢压缩法，但那是我的口味。
邮政法
element, index = min(list(zip(a, range(len(a)))))
min(list(zip(a, range(len(a)))))
(7, 2)
timeit min(list(zip(a, range(len(a)))))
1.36 µs ± 107 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
列举的方法
index, element = min(list(enumerate(a)), key=lambda x:x[1])
min(list(enumerate(a)), key=lambda x:x[1])
(2, 7)
timeit min(list(enumerate(a)), key=lambda x:x[1])
1.45 µs ± 78.1 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
