函数:numpy.argmax(array, axis)
array:代表输入数组;axis:代表对array取行(axis=0)或列(axis=1)的最大值。
x = np.arange(12) # [ 0 1 2 3 4 5 6 7 8 9 10 11]
index = np.argmax(x)
print("1 dimension test:",index) # 11
运算后,降一维,成为一个数值,11的索引值维11,所以运算结果为:11
0代表对行进行最大值选取,此时对每一列进行操作
x = np.arange(12).reshape(3,4)
print(x)
index = np.argmax(x,axis = 0)
print("2 dimension test, axis = 0:",index)
输出结果:
x:[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
2 dimension test, axis = 0:[2 2 2 2]
1代表对列进行最大值选取,此时对每一行进行操作
x = np.arange(12).reshape(3,4)
index = np.argmax(x,axis = 1)
print("2 dimension test, axis = 1:",index)
输出结果:
2 dimension test, axis = 1:[3 3 3]
(1)遵循运算之后降一维的原则,因此返回的会是一个一维的array。
(2)函数返回的是最大值的索引,而不是最大值本身。
(3)另一种理解思路:0:外层;1:内层。axis的取值为0和1,剥掉对应的中括号,将里面的内容直接按逗号分隔。
例:x=[[ 0 1 2 3][ 4 5 6 7][ 8 9 10 11]]是一个(3,4)的矩阵,当axis=0时,剥掉3,返回一个(1,3)的矩阵;在axis=1时,剥掉4,返回一个(1,3)的矩阵。
析:当axis=0时,剥掉外层—->[0 1 2 3]
[4 5 6 7 ]
[8 9 10 11]
[argmax(0,4,8), argmax(1,5,9), argmax(2,6,10),argmax(3,7,11)]
输出:[2,2,2,2]
当axis=1时,剥掉内层—->[0 1 2 3
4 5 6 7
8 9 10 11]
[argmax(0,1,2,3), argmax(4,5,6,7), argmax(8,9,10,11)],
输出:[3,3,3]
一个m×n×p维的矩阵:
axis为0,舍去m,返回一个 n×p 维的矩阵
axis为1,舍去n,返回一个 m×p 维的矩阵
axis为2,舍去p,返回一个 m×n 维的矩阵
三维向量测试
0代表进入第一个[]内进行对比
x = np.arange(24).reshape(2,3,4)
x[1,0,3] = 1
x =
[[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[[12 13 14 1]
[16 17 18 19]
[20 21 22 23]]]
index = np.argmax(x,axis = 0)
print("3 dimension test, axis = 0:",index)
当axis=0时,进入第一个[]内进行对比,此时x剩下两部分。
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[[12 13 14 1]
[16 17 18 19]
[20 21 22 23]]
两部分格式相同,将剩下的两部分每一个单位进行对比,对比结果为
[[1 1 1 0]
[1 1 1 1]
[1 1 1 1]]
除去我设置的特殊位置外,其他位置均为第二部分大。
三维向量测试
1代表进入第二个[]内进行对比
x =
[[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[[12 13 14 1]
[16 17 18 19]
[20 21 22 23]]]
index = np.argmax(x,axis = 1)
print("3 dimension test, axis = 1:",index)
当axis=1时,进入第二个[]内进行对比。
[ [ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
[12 13 14 1]
[16 17 18 19]
[20 21 22 23] ]
对于第二个[]内的内容而言,均剩下三部分,我特意将两个第二个[]内的内容分开更容易辨认
第一个是
[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
第二个是
[12 13 14 1]
[16 17 18 19]
[20 21 22 23]
都是第三行的值最大,所以输出结果为
[[ 2 2 2 2]
[ 2 2 2 2]]
三维向量测试
2代表进入第三个[]内进行对比
x = np.arange(24).reshape(2,3,4)
x[1,0,3] = 1
x =
[[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[[12 13 14 1]
[16 17 18 19]
[20 21 22 23]]]
index = np.argmax(x,axis = 2)
print("3 dimension test, axis = 2:",index)
当axis=2时,进入第三个[]内进行对比。
[[ 0 1 2 3
4 5 6 7
8 9 10 11 ]
[ 12 13 14 1
16 17 18 19
20 21 22 23 ]]
对于第三个[]内的内容而言,均剩下四部分,我特意将六个第三个[]内的内容分开更容易辨认
第一个是
0 1 2 3
第二个是
4 5 6 7
……
最后对比结果为
[[ 3 3 3 ]
[ 2 3 3 ]]
Original: https://blog.csdn.net/m0_64931900/article/details/126261995
Author: m0_64931900
Title: np.argmax()函数
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/723788/
转载文章受原作者版权保护。转载请注明原作者出处!