numpy.argmax#
- numpy.argmax(a, axis=None, out=None, *, keepdims=<no value>)[source]#
返回沿轴的最大值的索引。
- 参数:
- aarray_like
输入数组。
- axisint, 可选
默认情况下,索引是扁平化数组的索引,否则是指定轴上的索引。
- 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
如果将其设置为 True,则缩减的轴将保留在结果中,作为大小为 1 的维度。使用此选项,结果将与数组正确广播。
版本 1.22.0 中的新增功能。
- 返回:
- index_arrayndarray of ints
数组中索引的数组。它与
a.shape
具有相同的形状,但沿 axis 维度移除。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
np.expand_dims(index_array, axis)
从 argmax 应用于数组,就像调用 max 一样。
注意
如果最大值出现多次,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)