请求排查：获取10×10二维NumPy数组最大值邻域的代码问题

我来帮你排查下这段代码的问题哈～你的代码没法每次正常运行，主要有几个关键问题：

问题分析 #

• 坐标转换冗余且易出错：你自定义的get_coordinate_i函数其实没必要，NumPy里用divmod就能直接把扁平化索引转换成二维坐标，而且更准确。
• 索引笔误：在fun函数里，你写了array[i+val][i+val2]，这里第二个索引应该是j+val2，把j写成i会导致索引错位，甚至越界报错。
• 边界处理缺失：当最大值出现在数组边缘（比如i=0/i=9或j=0/j=9）时，你的函数不会进入if分支，返回的空数组执行reshape(3,3)肯定会报错——空数组没法转成3×3的形状。

修正后的代码方案 #

我给你调整了代码，不仅解决了上述问题，还优化了效率（避免用np.append循环，改用数组切片）：

import numpy as np

# 生成10×10的随机整数数组
array = np.random.randint(-10, 10, size=(10, 10))
print("原数组：")
print(array)

# 获取最大值的扁平化索引，转成二维坐标（用divmod一步到位）
max_index = np.argmax(array)
i, j = divmod(max_index, array.shape[1])  # shape[1]是数组的列数，这里为10
print(f"\n最大值的坐标：({i}, {j})，对应的值为：{array[i, j]}")

def get_max_neighborhood(i, j, array):
    rows, cols = array.shape
    # 计算邻域的边界，确保不超出数组范围
    start_i = max(0, i - 1)
    end_i = min(rows - 1, i + 1)
    start_j = max(0, j - 1)
    end_j = min(cols - 1, j + 1)
    # 直接切片获取邻域，比循环append高效得多
    return array[start_i:end_i+1, start_j:end_j+1]

# 获取最大值的邻域
neighborhood = get_max_neighborhood(i, j, array)
print("\n最大值的邻域：")
print(neighborhood)

可选：补全边缘邻域为3×3（用NaN填充） #

如果不管最大值在哪个位置，你都需要得到3×3的邻域，可以用下面的函数，边缘/角落的空缺用NaN填充：

def get_max_neighborhood_padded(i, j, array):
    rows, cols = array.shape
    # 创建3×3的空数组，用NaN填充空缺
    padded_neigh = np.full((3, 3), np.nan)
    # 计算填充数组的起始位置
    pad_i_start = 1 if i > 0 else 0
    pad_j_start = 1 if j > 0 else 0
    # 计算原数组中邻域的范围
    start_i = max(0, i - 1)
    end_i = min(rows - 1, i + 1)
    start_j = max(0, j - 1)
    end_j = min(cols - 1, j + 1)
    # 把原数组的邻域复制到填充数组对应的位置
    padded_neigh[pad_i_start:pad_i_start+(end_i-start_i+1), 
                 pad_j_start:pad_j_start+(end_j-start_j+1)] = array[start_i:end_i+1, start_j:end_j+1]
    return padded_neigh

这样不管最大值在中间、边缘还是角落，都能正确返回符合需求的邻域啦～

内容的提问来源于stack exchange，提问作者Ekat Sim