numpy.argmin#

numpy.argmin(a, axis=None, out=None, *, keepdims=<no value>)[源代码]#

返回沿轴的最小值索引。

参数:

aarray_like: 输入数组。
axisint, optional: 默认情况下，索引是展平数组中的索引，否则是沿指定轴的索引。
outarray, optional: 如果提供，结果将插入到此数组中。它应具有适当的形状和数据类型。
keepdimsbool, optional: 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 版新增。

返回:

index_arrayndarray of ints: 数组的索引数组。它与 a.shape 具有相同的形状，但沿 axis 的维度已移除。如果 keepdims 设置为 True，则 axis 的大小将为 1，结果数组将与 a.shape 具有相同的形状。

另请参见

ndarray.argmin, argmax
amin: 沿给定轴的最小值。
unravel_index: 将展平索引转换为索引元组。
take_along_axis: 将 argmin 中的 np.expand_dims(index_array, axis) 应用于数组，如同调用 min。

注意

如果最小值多次出现，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.argmin(a)
0
>>> np.argmin(a, axis=0)
array([0, 0, 0])
>>> np.argmin(a, axis=1)
array([0, 0])

N 维数组的最小元素索引

>>> ind = np.unravel_index(np.argmin(a, axis=None), a.shape)
>>> ind
(0, 0)
>>> a[ind]
10

>>> b = np.arange(6) + 10
>>> b[4] = 10
>>> b
array([10, 11, 12, 13, 10, 15])
>>> np.argmin(b)  # Only the first occurrence is returned.
0

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

将 keepdims 设置为 True 时，

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