如何获取大尺寸二维整数数组最大值的原二维索引？

嗨，我来帮你搞定这个问题！针对你这种1200万+元素的超大二维数组，完全没必要用扁平化排序的方法——不仅效率低，还丢了索引信息。咱们用更直接高效的方式，既能快速找到最大值，又能精准拿到它在原数组里的位置。

优先推荐：用numpy的内置函数（适配你的现有代码风格） #

看你代码里用了flatten()，应该是在处理numpy数组对吧？那直接用argmax()和unravel_index()组合就完美解决了：

import numpy as np

# 假设你的Data是numpy数组
# 先找到最大值在扁平化数组里的索引
flat_max_idx = Data.argmax()
# 把一维索引转换成原二维数组的行、列索引
max_row, max_col = np.unravel_index(flat_max_idx, Data.shape)
# 直接取出最大值
max_value = Data[max_row, max_col]

这个方法的优势特别明显：argmax()只需要遍历一次数组就能找到最大值的位置（时间复杂度O(n)），比排序的O(n log n)快太多，对于千万级别的数组来说，速度差距会非常大。而且unravel_index()能直接帮你把一维索引映射回原二维结构，完全不用自己折腾。

纯Python列表的替代方案（如果不用numpy的话） #

要是你处理的是纯Python嵌套列表，那咱们可以在遍历的时候直接记录最大值和对应的索引，全程不用扁平化：

max_val = -float('inf')
max_row, max_col = 0, 0

for i, row in enumerate(Data):
    for j, val in enumerate(row):
        if val > max_val:
            max_val = val
            max_row, max_col = i, j

不过要注意，纯Python遍历千万级元素的速度会比numpy慢不少，所以如果能用numpy的话还是优先选第一种方法。

刚好你是做孔径测光找最亮星系，拿到max_row和max_col之后，直接把这个位置作为中心，就可以处理周围半径内的区域啦！

备注：内容来源于stack exchange，提问作者CottonDog