如何在二维Numpy数组指定区域获取最大N个值的全局索引？

你可以通过将局部索引转换为切片内的二维坐标，再叠加切片的起始偏移量，得到原数组的全局索引。具体实现步骤如下：

步骤拆解 #

1. 生成切片区域的全局坐标网格
   先构建切片区域对应的全局行、列索引矩阵，让切片内的每个位置都能直接映射到原数组的全局索引：

   # 生成切片覆盖的全局行、列范围
   roi_rows = np.arange(top, bottom)
   roi_cols = np.arange(left, right)
   # 生成与切片形状一致的全局坐标网格（行优先索引）
   grid_rows, grid_cols = np.meshgrid(roi_rows, roi_cols, indexing='ij')
   

2. 将扁平化局部索引转为二维局部坐标
   使用np.unravel_index把扁平化后的局部索引，还原为切片内的二维（行、列）索引：

   # 把扁平化局部索引转换为切片内的二维坐标
   local_rows, local_cols = np.unravel_index(ind, depthRoi.shape)
   

3. 提取全局索引
   从预先生成的坐标网格中，直接获取对应位置的全局行、列索引：

   # 获取全局行、列索引
   global_rows = grid_rows[local_rows, local_cols]
   global_cols = grid_cols[local_rows, local_cols]
   

4. 整理结果格式
   可以将全局索引组合成你需要的形式，比如元组列表或二维数组：

   # 组合为(行, 列)形式的索引列表
   global_indices = list(zip(global_rows, global_cols))
   

完整代码示例 #

import numpy as np

# 示例原数组与切片参数
depthFrame = np.random.rand(100, 100)  # 100×100的随机数组
top, bottom, left, right = 20, 80, 30, 70  # 目标切片范围

# 提取目标切片并处理局部索引
depthRoi = depthFrame[top:bottom, left:right]
depthRoiFlat = depthRoi.flatten()
ind = np.argpartition(depthRoiFlat, -1000)[-1000:]  # 切片内最大1000个值的局部扁平化索引

# 转换为全局索引
roi_rows = np.arange(top, bottom)
roi_cols = np.arange(left, right)
grid_rows, grid_cols = np.meshgrid(roi_rows, roi_cols, indexing='ij')

local_rows, local_cols = np.unravel_index(ind, depthRoi.shape)
global_rows = grid_rows[local_rows, local_cols]
global_cols = grid_cols[local_rows, local_cols]

# 输出结果示例
global_indices = np.stack((global_rows, global_cols), axis=1)
print(global_indices[:5])  # 打印前5个全局索引

补充优化 #

如果需要按值从大到小排序全局索引，可以在获取局部索引后增加排序步骤：

# 按切片内数值从大到小排序局部索引
sorted_ind = ind[np.argsort(-depthRoiFlat[ind])]
# 转换为排序后的全局索引
local_rows_sorted, local_cols_sorted = np.unravel_index(sorted_ind, depthRoi.shape)
global_rows_sorted = grid_rows[local_rows_sorted, local_cols_sorted]
global_cols_sorted = grid_cols[local_rows_sorted, local_cols_sorted]

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