NumPy argmin()

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

# return index of smallest element (5) 
minIndex = np.argmin(array1)

print(minIndex)

# Output: 4

argmin() 语法

argmin() 的语法是

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

argmin() 参数

argmin() 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)

argmin() 返回值

argmin() 方法返回最小元素的索引。

示例 1：argmin() 与字符串

argmin() 方法与 string 或 char 数组一起使用时，根据 ASCII 值返回最小元素的索引。

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

# return index of min element 'A' 
minArgument = np.argmin(array)

print(minArgument)

输出

0

示例 2：argmin() 与二维数组

axis 参数定义了如何处理二维数组中最小元素的索引。

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

import numpy as np
array = np.array([[10, 17, 25], 
  [15, 11, 22]])
                  
# return the index of the smallest element of the flattened array
minIndex = np.argmin(array)

print('Index of the smallest element in the flattened array: ', minIndex)

# return the index of the smallest element in each column
minIndex = np.argmin(array, axis = 0)

print('Index of the smallest element in each column (axis 0): ', minIndex)

# return the index of the smallest element in each row
minIndex = np.argmin(array, axis = 1)

print('Index of the smallest element in each row (axis 1): ', minIndex)

输出

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

示例 3：argmin() 与 'out' 数组

在我们之前的示例中，argmin() 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.argmin(array1, axis = 0, out = array2)

print(array2)

输出

[0 1 2]

示例 4：argmin() 与 keepdims

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)

minIndex = np.argmin(array1, axis = 1)

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

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

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

输出

Shape of original array:  (2, 3)

 Without keepdims: 
[0 1]
Shape of array:  (2,)

 With keepdims: 
 [[0]
 [1]]
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，即该列中最小元素的索引。