如何在Python的NumPy向量中找出小于1的最大值的索引？

嘿，我懂你遇到的问题啦！你原来的代码返回空数组是因为整个数组的最大值是1.5，它并不满足小于1的条件，所以temp_res == temp_res.max()和temp_res < 1这两个条件没法同时成立。咱们换个思路，先锁定所有小于1的元素，再在这个子集里找最大值的索引就行。

下面给你两种实用的实现方式：

方法1：分步筛选+找索引 #

这种方法逻辑清晰，还能处理有多个相同最大值的情况（会返回所有对应的索引）：

import numpy as np

temp_res = [0.9, 0.8, 0.7, 0.99, 1.2, 1.5, 0.1, 0.5, 0.1, 0.01, 0.12, 0.56, 0.89, 0.23, 0.56, 0.78]
temp_res = np.asarray(temp_res)

# 1. 创建掩码，筛选出所有小于1的元素
mask = temp_res < 1
# 2. 从筛选后的元素中找到最大值
max_under_1 = temp_res[mask].max()
# 3. 找到数组中等于这个最大值的所有索引
indices = np.where(temp_res == max_under_1)

print(indices)  # 输出: (array([3]),)

方法2：用argmax一步到位 #

如果只需要第一个出现的最大值索引，这种方法更简洁：

import numpy as np

temp_res = [0.9, 0.8, 0.7, 0.99, 1.2, 1.5, 0.1, 0.5, 0.1, 0.01, 0.12, 0.56, 0.89, 0.23, 0.56, 0.78]
temp_res = np.asarray(temp_res)

# 把大于等于1的元素替换成负无穷，这样argmax会自动忽略它们
indices = np.argmax(np.where(temp_res < 1, temp_res, -np.inf))

print(indices)  # 输出: 3

两种方法都能帮你得到想要的索引3，你可以根据自己的需求（是否需要多个索引）选择合适的方案~

内容的提问来源于stack exchange，提问作者Jose Ramon