如何获取Numpy数组每行最小值并转为列向量（适配Matlab语法）

首先生成目标3×4数组：

import numpy as np
data = np.array([[35, 20, 47, 39],
                 [6, 17, 77, 85],
                 [8, 25, 2, 3]])

通过np.argmin获取每行最小值的索引数组：

kmin = np.argmin(data, axis=1)  # 输出：array([1, 0, 2])

直接使用data[:, kmin]会得到3×3数组，不符合需求。要得到列向量形式的每行最小值，有两种实用方法：

方法1：高级索引+reshape #

利用行索引与kmin的一一匹配，提取对应元素后转为列向量：

# 生成行索引数组，与kmin的每个索引一一对应
row_indices = np.arange(data.shape[0])
# 提取每行对应最小值，再reshape为列向量
min_vals = data[row_indices, kmin].reshape(-1, 1)

输出结果：

[[20]
 [ 6]
 [ 2]]

方法2：使用np.take_along_axis（贴近Matlab逻辑） #

该方法专门用于按指定轴的索引提取元素，将kmin转为列向量后直接提取，无需额外reshape，逻辑和Matlab语句data(1:n1,kmin,1)高度适配：

# 将kmin转为列向量，匹配原数组的列维度
kmin_col = kmin.reshape(-1, 1)
# 沿axis=1（列方向）提取对应索引的元素
min_vals = np.take_along_axis(data, kmin_col, axis=1)

输出结果与方法1完全一致。

内容的提问来源于stack exchange，提问作者Standard