numpy.argmax#

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

返回沿指定轴的最大值的索引。

参数:

a类数组: 输入数组。
axis整数，可选: 默认情况下，索引是针对扁平化数组的，否则是沿指定轴的。
out数组，可选: 如果提供，结果将插入到此数组中。它应该具有适当的形状和数据类型。
keepdims布尔值，可选: 如果设置为 True，则被缩减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。

1.22.0 版本新增。

返回:

index_array整数类型的 ndarray: 数组中的索引数组。它的形状与 a.shape 相同，但沿 axis 的维度被移除。如果 keepdims 设置为 True，则 axis 的大小将为 1，并且结果数组的形状将与 a.shape 相同。

另请参阅

ndarray.argmax, argmin
amax: 沿给定轴的最大值。
unravel_index: 将扁平索引转换为索引元组。
take_along_axis: 将 argmax 中的 np.expand_dims(index_array, axis) 应用于数组，如同调用 max。

注意

如果最大值有多个出现，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 维数组中最大元素的索引

>>> 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 时，

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