numpy.argmax

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

返回沿轴的最大值的索引.

参数:

aarray_like

输入数组.

轴int, optional

默认情况下,索引指向扁平化数组,否则沿指定的轴.

outarray, 可选

如果提供,则结果将插入到此数组中.它应该具有适当的形状和 dtype.

keepdimsbool,可选

如果设置为 True,则缩减的轴将作为大小为 1 的维度保留在结果中.使用此选项,结果将与数组正确广播.

在 1.22.0 版本加入.

返回:

index_array整数的 ndarray

数组的索引数组.它的形状与 a.shape 相同,只是沿 axis 维度被移除.如果 keepdims 设置为 True,则 axis 的大小将为 1,从而使结果数组与 a.shape 具有相同的形状.

参见

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

将来自 argmax 的 np.expand_dims(index_array, axis) 应用于数组,就像通过调用 max 一样.

注释

如果最大值多次出现,则返回与第一次出现相对应的索引.

示例

Try it in your browser!

>>> 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)

Go BackOpen In Tab