如何基于同尺寸数组Y的条件提取二维Numpy数组X的目标索引

要获取同时满足y_original > threshold_y且x_original为该筛选范围内最大值的原始行列索引，可以通过组合布尔掩码的方式直接定位，步骤如下：

步骤1：生成Y值的过滤掩码 #

先创建一个和原数组同尺寸的布尔数组，标记所有Y值满足阈值的位置：

import numpy as np

# 生成Y值满足条件的布尔掩码
y_mask = y_original > threshold_y

步骤2：计算筛选范围内的X最大值 #

基于上述掩码，直接计算符合Y条件的X值中的最大值：

max_x_filtered = x_original[y_mask].max()

步骤3：构建组合条件掩码 #

同时满足Y阈值条件和X等于最大值的掩码：

combined_mask = y_mask & (x_original == max_x_filtered)

步骤4：获取原始行列索引 #

用np.nonzero或np.argwhere提取原始索引：

# 方式1：返回两个数组，分别对应行、列索引
row_idx, col_idx = np.nonzero(combined_mask)

# 方式2：返回N×2的数组，每一行是[行索引, 列索引]
indices = np.argwhere(combined_mask)

为什么之前的方法不适用？ #

• np.argmax(x_original[filteredY[0],filteredY[1]])返回的是筛选后子数组的索引，无法直接映射回原数组的位置；
• np.argwhere(x_original==max_x_filtered)仅匹配X值等于最大值的位置，没有结合Y值的过滤条件，会包含不符合Y阈值的无效索引。

内容的提问来源于stack exchange，提问作者Mat