📅  最后修改于: 2020-10-27 08:13:02             🧑  作者: Mango
在许多情况下,如果数组的大小太大,那么从它们中找到最大元素的时间就太多了。为此, Python的numpy模块提供了一个名为numpy.argmax()的函数。该函数返回最大值的索引以及指定的轴。
numpy.argmax(a, axis=None, out=None)
x:类似数组
此参数定义了我们想要知道其最大值的源数组。
轴:int(可选)
此参数定义沿其存在索引的轴,默认情况下,它位于扁平化数组中。
out:数组(可选)
此参数定义要在其中插入结果的ndarray。这将是相同的类型和形状,适合于存储结果
此参数定义一个ndarray,其中包含数组的索引。形状与x.shape相同,但沿轴的尺寸已删除。
Import numpy as np
x = np.arange(20).reshape(4,5) + 7
x
y=np.argmax(a)
y
输出:
array([[ 7, 8, 9, 10, 11],
[12, 13, 14, 15, 16],
[17, 18, 19, 20, 21],
[22, 23, 24, 25, 26]])
19
在上面的代码中
在输出中,它显示了数组中最大元素的索引。
Import numpy as np
x = np.arange(20).reshape(4,5) + 7
y=np.argmax(x, axis=0)
z=np.argmax(x, axis=1)
y
z
输出:
array([3, 3, 3, 3, 3], dtype=int64)
array([4, 4, 4, 4], dtype=int64)
Import numpy as np
x = np.arange(20).reshape(4,5) + 7
indices = np.unravel_index(np.argmax(x, axis=None), x.shape)
indices
x[indices]
输出:
(3, 4)
26
import numpy as np
a = np.array([[5,2,1], [3,7,9],[0, 4, 6]])
index_arr = np.argmax(a, axis=-1)
index_arr
# Same as np.max(a, axis=-1, keepdims=True)
result = np.take_along_axis(a, np.expand_dims(index_arr, axis=-1), axis=-1)
result1
# Same as np.max(a, axis=-1)
result = np.take_along_axis(a, np.expand_dims(index_arr, axis=-1), axis=-1).squeeze(axis=-1)
result2
输出:
array([[0],
[2],
[2]])
array([5, 9, 6])
在上面的代码中
在输出中,它显示了数组中最大元素的索引以及该索引上存在的值。