numpy.argmax#

numpy.argmax(a, axis=None, out=None, *, keepdims=<no value>)[source]#

沿轴返回最大值索引。

参数：
aarray_like

输入数组。

axisint, 可选

默认情况下，索引指向扁平化数组，否则沿指定的轴。

outarray, 可选

如果提供，结果将插入到此数组中。它应该具有合适的形状和数据类型。

keepdimsbool, 可选

如果设置为 True，则减少的轴将作为大小为一的维度保留在结果中。使用此选项，结果将与数组正确广播。

版本 1.22.0 中的新功能。

返回：
index_arrayndarray of ints

数组索引数组。它与 a.shape 形状相同，但沿 axis 维度被移除。如果 keepdims 设置为 True，则 axis 的大小将为 1，结果数组与 a.shape 形状相同。

参见

ndarray.argmax, argmin
amax

给定轴上的最大值。

unravel_index

将扁平索引转换为索引元组。

take_along_axis

应用 np.expand_dims(index_array, axis) 从 argmax 到数组，就像调用 max 一样。

备注

如果出现多个最大值，则返回对应于第一次出现的索引。

示例

>>> import numpy as np
>>> a = np.arange(6).reshape(2,3) + 10
>>> a
array([[10, 11, 12],
       [13, 14, 15]])
>>> np.argmax(a)
5
>>> np.argmax(a, axis=0)
array([1, 1, 1])
>>> np.argmax(a, axis=1)
array([2, 2])

N 维数组的最大元素的索引

>>> ind = np.unravel_index(np.argmax(a, axis=None), a.shape)
>>> ind
(1, 2)
>>> a[ind]
15

>>> b = np.arange(6)
>>> b[1] = 5
>>> b
array([0, 5, 2, 3, 4, 5])
>>> np.argmax(b)  # Only the first occurrence is returned.
1

>>> x = np.array([[4,2,3], [1,0,3]])
>>> index_array = np.argmax(x, axis=-1)
>>> # Same as np.amax(x, axis=-1, keepdims=True)
>>> np.take_along_axis(x, np.expand_dims(index_array, axis=-1), axis=-1)
array([[4],
       [3]])
>>> # Same as np.amax(x, axis=-1)
>>> np.take_along_axis(x, np.expand_dims(index_array, axis=-1),
...     axis=-1).squeeze(axis=-1)
array([4, 3])

将 keepdims 设置为 True，

>>> x = np.arange(24).reshape((2, 3, 4))
>>> res = np.argmax(x, axis=1, keepdims=True)
>>> res.shape
(2, 1, 4)
本页内容