如何用NumPy在Python中获取累积最大值的坐标与索引？

嘿，这个需求用NumPy确实能写出非常简洁高效的实现！我来给你拆解怎么用内置函数和掩码技巧替代朴素循环～

先回顾你的场景：你生成了x、y数组，计算z = x*y，需要找出z中所有累积最大值（也就是每一步出现的新的全局最大值）对应的索引、值，以及对应的x、y坐标。

核心NumPy实现方案 #

import numpy as np

# 生成你的测试数据
x = np.abs(np.random.RandomState(0).normal(size=(100)))
y = np.linspace(0,1,x.size)
z = x*y

# 1. 计算累积最大值数组
cum_max = np.maximum.accumulate(z)
# 2. 生成掩码：筛选出首次出现新最大值的位置
mask = np.concatenate([[True], cum_max[1:] != cum_max[:-1]])
# 3. 提取目标索引、值和坐标
idx_max = np.where(mask)[0]
val_max = cum_max[mask]
x_coords = x[idx_max]
y_coords = y[idx_max]

关键步骤解释 #

• np.maximum.accumulate(z)：这是核心函数！它会沿着数组的维度（这里是一维）逐元素计算到当前位置的最大值，完美替代你循环里维护current变量的逻辑。比如z = [1,3,2,4]，它会返回[1,3,3,4]。
• 掩码mask的生成：累积最大值数组里会重复之前的最大值，我们只需要保留那些「首次出现更大值」的位置。所以第一个元素直接标记为True，后续元素只要当前累积最大值和前一个不同，就说明出现了新的最大值，标记为True。
• 提取结果：用np.where(mask)直接拿到符合条件的索引，再通过索引快速提取对应的x、y坐标，全程都是向量化操作，比循环高效N倍（尤其是数据量大的时候）。

更紧凑的单行版本（可选） #

如果追求极简的单行代码，可以把步骤合并（可读性稍弱，但功能一致）：

idx_max = np.where(np.concatenate([[True], np.maximum.accumulate(z)[1:] != np.maximum.accumulate(z)[:-1]]))[0]

这个实现完全符合你的需求，代码简洁且利用了NumPy的向量化优势，比朴素循环更优雅高效～

内容的提问来源于stack exchange，提问作者O.rka