如何从二维NumPy数组的每一行中提取最大值？

首先，你的需求是从二维数组的**每一个子数组（也就是每一行）**中提取最大值，并且最终输出要保持列向量的二维数组格式（每个最大值单独作为一个子数组）。我们可以用更简洁高效的numpy内置方法来实现，同时修正你现有代码的问题。

分析现有代码的问题 #

你的代码逻辑虽然能拿到每行的最大值，但存在几个可以优化的点：

• 使用np.append循环追加元素，在处理大数组时效率很低，numpy更推荐向量化操作而非循环。
• 最终得到的max_value是一维数组，不符合你期望的列向量二维数组格式。
• 循环里的zip(arr, range(len(arr)))完全多余，直接遍历数组的每一行即可。

优化后的实现方案 #

numpy的np.max函数支持指定axis参数，直接对每行取最大值，再通过reshape调整成你需要的列向量形状：

import numpy as np

def find_max(arr):
    # 对每行取最大值，axis=1表示按行操作
    row_maxes = np.max(arr, axis=1)
    # 将一维数组重塑为列向量的二维数组
    return [row_maxes.reshape(-1, 1)]

# 测试示例
test_arr = np.array([[0.64104085, 0.2695865, 0.12760413],
                     [0.20816632, 0.72728643, 0.23365428],
                     [0.52334888, 0.83298642, 0.43656896]], dtype=np.float32)
print(find_max(test_arr))
# 输出：[array([[0.64104085],[0.72728643],[0.83298642]], dtype=float32)]

如果你坚持要用循环实现（仅作学习参考，不推荐用于实际业务），可以修改你的代码来保证形状正确：

import numpy as np

def find_max(arr):
    max_value = []
    for row in arr:
        # 取每行最大值并包装成二维数组元素
        max_val = np.array([[max(row)]])
        max_value.append(max_val)
    # 拼接成一个二维数组，再放入列表中
    return [np.concatenate(max_value)]

为什么推荐向量化操作？ #

numpy的内置函数是用C实现的，比Python循环快得多，尤其是当数组规模很大时，性能差距会非常明显。同时代码更简洁易读，能减少人为出错的概率。

内容的提问来源于stack exchange，提问作者Umer