NumPy argmax()

import numpy as np
array1 = np.array([10, 12, 14, 11, 5])

# return index of largest element (14) 
maxIndex= np.argmax(array1)

print(maxIndex)

# Output: 2

argmax() 语法

argmax() 的语法是：

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

argmax() 参数

argmax() 方法接受四个参数：

• array - 输入数组
• axis (可选) - 返回索引的轴 (int)
• out (可选) - 用于存储输出的数组
• keepdims (可选) - 是否保留输入数组的维度 (bool)

argmax() 返回值

argmax() 方法返回最大元素的索引。

示例 1：字符串的 argmax()

argmax() 方法与 string 或 char 数组一起使用时，将根据 ASCII 值返回最大元素的索引。

import numpy as np

array = np.array(['A', 'B', 'G', 'D', 'C'])

# return index of max element 'G' 
maxIndex = np.argmax(array)

print(maxIndex)

输出

2

示例 2：二维数组的 argmax()

axis 参数定义了我们如何处理二维数组中最大元素的索引。

• 如果 axis = None，数组将被展平，并返回展平后数组的索引。
• 如果 axis = 0，将返回每列中最大元素的索引。
• 如果 axis = 1，将返回每行中最大元素的索引。

import numpy as np

array = np.array([[10, 17, 25], [15, 11, 22]])
                  
# return the index of the largest element of the flattened array
maxIndex = np.argmax(array)

print('Index of the largest element in the flattened array: ', maxIndex)

# return the index of the largest element in each column
maxIndex = np.argmax(array, axis = 0)

print('Index of the largest element in each row (axis 0): ', maxIndex)

# return the index of the largest element in each row
maxIndex = np.argmax(array, axis = 1)

print('Index of the largest element in each row (axis 1): ', maxIndex)

输出

Index of the largest element in the flattened array:  2
Index of the largest element in each row (axis 0):  [1 0 0]
Index of the largest element in each row (axis 1):  [2 2]

示例 3：带 'out' 数组的 argmax()

在我们之前的示例中，argmax() 函数生成了一个新的输出数组。

但是，我们可以使用 out 参数使用现有数组来存储输出。

import numpy as np

array1 = np.array([[10, 17, 25], 
                   [15, 11, 22], 
                   [11, 19, 20]])

# create an empty array
array2= np.array([0, 0, 0])

# pass the 'out' argument to store the result in array2
np.argmax(array1, axis = 0, out = array2)

print(array2)

输出

[1 2 0]

示例 4：带 keepdims 的 argmax()

当 keepdims = True 时，结果数组的维度与输入数组的维度匹配。

import numpy as np

array1 = np.array([[10, 17, 25], [15, 11, 22]])
print('Shape of original array: ', array1.shape)

maxIndex = np.argmax(array1, axis = 1)

print('\n Without keepdims: \n', maxIndex)
print('Shape of array: ', maxIndex.shape) 

# set keepdims to True to retain the dimension of the input array
maxIndex = np.argmax(array1, axis = 1, keepdims = True)

print('\n With keepdims: \n', maxIndex)
print('Shape of array: ', maxIndex.shape)

输出

Shape of original array:  (2, 3)

Without keepdims: 
[2 2]
Shape of array: (2,)

With keepdims: 
[[2]
[2]]
Shape of array: (2, 1)

如果不使用 keepdims，结果只是一个包含索引的一维数组。

使用 keepdims 时，结果数组具有与输入数组相同的维度数。

同样，当 axis = 1 和 keepdims = True 时，结果数组具有与输入数组相同的行数，但其列只有一个元素，即该列中最大元素的索引。