1 python數據分析numpy基礎之argmax求數組最大值索引

python的numpy庫的argmax()函數，用于獲取沿指定軸的最大值的索引。

用法

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

描述

argmax()返回沿指定軸的最大值的索引。

入參axis表示指定軸，默認為None表示整個數組的最大值的索引而不是某個軸的最大值索引，即轉為一維數組后的最大值的索引。axis只能為整數，不支持整數元組。

入參keepdims表示是否保留指定軸的尺寸為1，默認為False，不保留。

1.1 入參a

numpy.argmax()的入參a，為必選入參，可以為數組、列表、元組。

>>> import numpy as np
# 入參a為列表
>>> np.argmax([-5,-10,0,1,5,39,2])
5
# 入參a為元組
>>> np.argmax((-5,-10,0,1,5,39,2))
5
# 入參a為數組
>>> np.argmax(np.array((-5,-10,0,1,5,39,2)))
5

1.2 入參axis為整數

numpy.argmax()的入參axis為可選入參，只能為整數（不支持元組），范圍[0, ndim)，默認為None，表示求整個數組的最大值的索引，若為多維數組則轉換為一維數組來獲取最大值的索引。

若axis=n為整數，則對沿指定軸n的元素求最大值的索引，并且只返回指定軸的索引，其他軸索引不返回。

若axis=負數，則-1對應最后一個軸，-2倒數第2個軸，依此類推。

最大值多次出現時，argmax()返回第一次出現的索引。

np.ndindex(ar3.shape) 獲取指定形狀數組的索引迭代器對象，遍歷迭代器索引獲取數組元素。

>>> import numpy as np
>>> ar3=np.array([[[12, 13, 8, 15 ],[ 19,  25,  16,  5],[ 18,  29, 10, 31]],[[9,  11,  21,  3],[16, 17, 31, 19],[20, 3, 22, 23]]])
# axis默認為None，返回整個數組的最大值的索引
>>> np.argmax(ar3)
11
# ar3最大值為31
>>> np.max(ar3)
31
# axis=None時，ar3相當于一維數組
>>> ar3.reshape(ar3.size)
array([12, 13,  8, 15, 19, 25, 16,  5, 18, 29, 10, 31,  9, 11, 21,  3, 16,17, 31, 19, 20,  3, 22, 23])
# 最大值多次出現時，返回第一次出現的索引
# 索引為11的值為最大值31，為第一次出現的索引，索引argmax()返回15
>>> ar3.reshape(ar3.size)[11]
31
# 索引為18的值為最大值31
>>> ar3.reshape(ar3.size)[18]
31
# np.ndindex(ar3.shape) 獲取指定形狀數組的索引迭代器對象
>>> ar3vis=[str(ar3[i])+str(i) for i in np.ndindex(ar3.shape)]
>>> ar3vi=np.array(ar3vi).reshape(ar3.shape)
# 獲取ar3數組和其索引
# n維數組由n個軸的索引組成
# 比如三維數組索引(1, 0, 0)，分別表示0/1/2軸的索引
>>> ar3vi
array([[['12(0, 0, 0)', '13(0, 0, 1)', '8(0, 0, 2)', '15(0, 0, 3)'],['19(0, 1, 0)', '25(0, 1, 1)', '16(0, 1, 2)', '5(0, 1, 3)'],['18(0, 2, 0)', '29(0, 2, 1)', '10(0, 2, 2)', '31(0, 2, 3)']],[['9(1, 0, 0)', '11(1, 0, 1)', '21(1, 0, 2)', '3(1, 0, 3)'],['16(1, 1, 0)', '17(1, 1, 1)', '18(1, 1, 2)', '19(1, 1, 3)'],['20(1, 2, 0)', '3(1, 2, 1)', '22(1, 2, 2)', '23(1, 2, 3)']]],dtype='<U11')
# axis=0，只返回沿0軸最大值的索引，0軸大小為2，索引只有0,1
>>> np.argmax(ar3,axis=0)
array([[0, 0, 1, 0],[0, 0, 1, 1],[1, 0, 1, 0]], dtype=int64)
# max()獲取0軸最大值，argmax()獲取0軸最大值的索引
# 比如20的索引為(1, 2, 0)，取0軸索引1
>>> np.max(ar3,axis=0)
array([[12, 13, 21, 15],[19, 25, 31, 19],[20, 29, 22, 31]])
# axis=1，只返回沿1軸最大值的索引，1軸大小為3，索引只有0,1,2
>>> np.argmax(ar3,axis=1)
array([[1, 2, 1, 2],[2, 1, 1, 2]], dtype=int64)
# 比如29(0, 2, 1)，取1軸索引2
>>> np.max(ar3,axis=1)
array([[19, 29, 16, 31],[20, 17, 31, 23]])
# axis=2，只返回沿2軸最大值的索引，2軸大小為4，索引只有0,1,2,3   
>>> np.argmax(ar3,axis=2)
array([[3, 1, 3],[2, 2, 3]], dtype=int64)
# 比如 23(1, 2, 3))，取2軸索引3
>>> np.max(ar3,axis=2)
array([[15, 25, 31],[21, 31, 23]])
# axis=負數，則-1對應最后一個軸，-2倒數第2個軸，依此類推。
>>> np.argmax(ar3,axis=-1)
array([[3, 1, 3],[2, 2, 3]], dtype=int64)

1.3 入參keepdims

numpy.argmax()的入參keepdims為可選入參，只能為False或True，默認為False。

keepdims為False則不保留指定軸的尺寸，即返回最大值索引的數組形狀，不包括指定軸。

keepdims為True則保留指定軸的持倉為1，即返回最大值索引的數組形狀，包括指定軸且大小為1。

>>> import numpy as np
>>> ar3=np.array([[[12, 13, 8, 15 ],[ 19,  25,  16,  5],[ 18,  29, 10, 31]],[[9,  11,  21,  3],[16, 17, 31, 19],[20, 3, 22, 23]]])
>>> kdnt=np.argmax(ar3,keepdims=True)
>>> kdnf=np.argmax(ar3,keepdims=False)
>>> kdn=np.argmax(ar3)
# keepdims=True,最大值索引數組，保留指定軸，且尺寸為1
>>> kdnt.shape,kdnt.ndim
((1, 1, 1), 3)
# keepdims=False,最大值索引數組，刪除指定軸
>>> kdnf.shape,kdnf.ndim
((), 0)
# keepdims默認False,最大值索引數組，刪除指定軸
>>> kdn.shape,kdn.ndim
((), 0)
>>> kdnt,kdnf,kdn
(array([[[11]]], dtype=int64), 11, 11)
>>> kd0t=np.argmax(ar3,axis=0,keepdims=True)
>>> kd0=np.argmax(ar3,axis=0)
# True保留axis=0且尺寸為1
>>> kd0t.shape,kd0t.ndim
((1, 3, 4), 3)
# False刪除axis=0
>>> kd0.shape,kd0.ndim
((3, 4), 2)
>>> kd0t
array([[[0, 0, 1, 0],[0, 0, 1, 1],[1, 0, 1, 0]]], dtype=int64)
>>> kd0
array([[0, 0, 1, 0],[0, 0, 1, 1],[1, 0, 1, 0]], dtype=int64)
>>> kd1t=np.argmax(ar3,axis=1,keepdims=True)
>>> kd1=np.argmax(ar3,axis=1)
# True保留axis=1且尺寸為1
>>> kd1t.shape,kd1t.ndim
((2, 1, 4), 3)
# False刪除axis=1
>>> kd1.shape,kd1.ndim
((2, 4), 2)
>>> kd1t
array([[[1, 2, 1, 2]],[[2, 1, 1, 2]]], dtype=int64)
>>> kd1
array([[1, 2, 1, 2],[2, 1, 1, 2]], dtype=int64)