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:
a类数组对象

输入数组。

axisint, optional

默认情况下，索引是到扁平化数组的索引，否则是沿指定的轴。

outarray, optional

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。

keepdimsbool，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，结果将能正确地与数组进行广播。

New in version 1.22.0。

返回:
index_arrayndarray of ints

索引数组。它具有与 a.shape 相同的形状，但沿 axis 的维度被移除。如果 keepdims 设置为 True，则 axis 的大小将为 1，并且结果数组将与 a.shape 具有相同的形状。

另请参阅

ndarray.argmin, argmax
amin

沿给定轴的最小值。

unravel_index

将扁平化索引转换为索引元组。

take_along_axis

将 np.expand_dims(index_array, axis) 从 argmin 应用到数组，就像通过调用 min 一样。

备注

如果最小值出现多次，则返回第一个出现的对应索引。

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 维数组中最小元素的索引

>>> a.flat[np.argmin(a)]
10
>>> 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，

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