如何获取二维数组每行中最大的8个值及其对应索引

你的代码将整个数组扁平化后查找全局最大的8个值，所以无法得到每行独立的Top8结果。下面是两种适合的numpy实现方法：

方法一：使用np.argsort（直观易读） #

这种方法通过对每行元素排序，直接提取最大的8个值及其索引：

import numpy as np

# 假设predicting是你的4148×167二维数组
# 按每行升序排序，得到元素索引
sorted_row_indices = np.argsort(predicting, axis=1)
# 取每行最后8个索引（对应最大的8个值），反转后得到降序排列的索引
top8_indices = sorted_row_indices[:, -8:][:, ::-1]
# 根据索引提取对应的Top8值（降序）
top8_values = np.take_along_axis(predicting, top8_indices, axis=1)

• axis=1参数确保操作在每行独立进行
• [:, -8:]筛选出每行最大的8个元素的索引
• [:, ::-1]将索引反转，实现降序排列

方法二：使用np.argpartition（高效优化） #

如果数组规模极大，np.argpartition比完全排序更高效，它只需定位Top8元素的位置，无需全量排序：

import numpy as np

# 对每行进行分区，定位最大的8个元素的位置（顺序未排序）
partitioned_indices = np.argpartition(predicting, -8, axis=1)[:, -8:]
# 生成行索引，用于后续索引定位
row_indices = np.arange(predicting.shape[0])[:, np.newaxis]
# 对每行的Top8元素进行降序排序，得到最终的索引
top8_indices = partitioned_indices[row_indices, np.argsort(-predicting[row_indices, partitioned_indices], axis=1)]
# 提取对应的Top8值
top8_values = np.take_along_axis(predicting, top8_indices, axis=1)

• np.argpartition会将每行最大的8个元素移至末尾，操作时间复杂度更低
• 通过np.argsort(-...)对这8个元素的取值进行降序排序，修正索引顺序

结果说明 #

最终top8_indices是形状为4148×8的数组，每行存储对应行Top8值的原始列索引；top8_values是对应位置的数值，均按降序排列。

内容的提问来源于stack exchange，提问作者Maryam Faheem