numpy.argmin#
- numpy.argmin(a, axis=None, out=None, *, keepdims=<no value>)[source]#
沿轴返回最小值的索引。
- 参数:
- aarray_like
输入数组。
- axisint, 可选
默认情况下,索引进入扁平化数组,否则沿指定的轴。
- outarray, 可选
如果提供,结果将插入此数组中。它应该具有适当的形状和数据类型。
- keepdimsbool, 可选
如果将其设置为 True,则缩减的轴将保留在结果中,作为大小为一的维度。使用此选项,结果将针对数组正确广播。
版本 1.22.0 中的新功能。
- 返回值:
- index_array整数类型的 ndarray
数组中索引的数组。它与 a.shape 形状相同,但去除了沿 axis 维度。如果 keepdims 设置为 True,则 axis 的大小将为 1,并且生成的数组将与 a.shape 形状相同。
另请参阅
ndarray.argmin
,argmax
amin
给定轴上的最小值。
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 argmin 到数组,就像调用 min 一样。
注释
如果出现多个最小值,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.argmin(a) 0 >>> np.argmin(a, axis=0) array([0, 0, 0]) >>> np.argmin(a, axis=1) array([0, 0])
N 维数组的最小元素的索引
>>> 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,
>>> x = np.arange(24).reshape((2, 3, 4)) >>> res = np.argmin(x, axis=1, keepdims=True) >>> res.shape (2, 1, 4)