如何在NumPy中用索引数组直接切片二维数组获取最大值？

针对你提出的需求，有两种高效的NumPy原生方法可以直接用argmax得到的索引提取最大值，无需重构数组或额外循环：

方法一：高级索引直接定位 #

利用行索引数组与idx列索引数组配对，直接从原数组中提取对应位置的值，这是最简洁高效的方式：

import numpy as np
a = np.arange(27).reshape(9, 3)
idx = np.argmax(a, axis=1)
# 生成行索引数组，与idx一一对应
row_indices = np.arange(a.shape[0])
max_val = a[row_indices, idx]

这里np.arange(a.shape[0])生成与数组行数一致的行索引，和idx的列索引组合后，直接定位到每行最大值的位置，完全不需要修改原数组结构，性能和np.max持平。

方法二：使用np.take_along_axis #

这个函数专门用于根据指定轴上的索引提取元素，可读性更强：

import numpy as np
a = np.arange(27).reshape(9, 3)
idx = np.argmax(a, axis=1)
# 将idx转换为二维数组，匹配原数组的轴维度
max_val = np.take_along_axis(a, idx[:, np.newaxis], axis=1).squeeze()

idx[:, np.newaxis]把一维的索引数组转为二维（形状变为(9,1)），让它和原数组在axis=1维度上匹配，提取后用squeeze()去掉多余的维度，得到和np.max输出一致的一维数组。

这两种方法都避免了转置数组或Python循环带来的额外开销，完美复用已有的idx结果，效率和直接调用np.max几乎没有差异。

内容的提问来源于stack exchange，提问作者John M.