Question

使用axis参数时，我无法理解argmax和argmin的输出。例如：

>>> a = np.array([[1,2,4,7], [9,88,6,45], [9,76,3,4]])
>>> a
array([[ 1,  2,  4,  7],
       [ 9, 88,  6, 45],
       [ 9, 76,  3,  4]])
>>> a.shape
(3, 4)
>>> a.size
12
>>> np.argmax(a)
5
>>> np.argmax(a,axis=0)
array([1, 1, 1, 1])
>>> np.argmax(a,axis=1)
array([3, 1, 1])
>>> np.argmin(a)
0
>>> np.argmin(a,axis=0)
array([0, 0, 2, 2])
>>> np.argmin(a,axis=1)
array([0, 2, 2])

如您所见，最大值是点（1,1），最小值是点（0,0）。所以在我运行时的逻辑中：

np.argmin(a,axis=0)我期待array([0,0,0,0])
np.argmin(a,axis=1)我期待array([0,0,0])
np.argmax(a,axis=0)我期待array([1,1,1,1])
np.argmax(a,axis=1)我期待array([1,1,1])

我对事物的理解有什么问题？

Answer 1

通过添加axis参数，NumPy分别查看行和列。如果没有给出，则将数组a展平为单个1D数组。

axis=0表示操作依次 down 执行2D数组a的列。

例如np.argmin(a, axis=0)返回四列中每一列的最小值索引。每列中的最小值显示在下面的粗体中：

>>> a
array([[ 1,  2,  4,  7],  # 0
       [ 9, 88,  6, 45],  # 1
       [ 9, 76,  3,  4]]) # 2

>>> np.argmin(a, axis=0)
array([0, 0, 2, 2])

另一方面，axis=1表示操作是通过行a执行的。

这意味着np.argmin(a, axis=1)会返回[0, 2, 2]，因为a有三行。第一行中最小值的索引为0，第二行和第三行的最小值索引为2：

>>> a
#        0   1   2   3
array([[ 1,  2,  4,  7],
       [ 9, 88,  6, 45],
       [ 9, 76,  3,  4]])

>>> np.argmin(a, axis=1)
array([0, 2, 2])

Answer 2

除非您指定轴，否则np.argmax函数默认使用along the flattened array。要查看发生的情况，您可以明确使用flatten：

np.argmax(a)
>>> 5

a.flatten()
>>>> array([ 1,  2,  4,  7,  9, 88,  6, 45,  9, 76,  3,  4])
             0   1   2   3   4   5

我已经对上面数组中的索引进行了编号，以使其更清晰。请注意，索引在numpy中从零开始编号。

在指定轴的情况下，它也按预期工作：

np.argmax(a,axis=0)
>>> array([1, 1, 1, 1])

这表示对于1（向下）的每一列，最大值在行axis=0（第二个值）中。如果您稍微更改数据，可以更清楚地看到这一点：

a=np.array([[100,2,4,7],[9,88,6,45],[9,76,3,100]])
a
>>> array([[100,   2,   4,   7],
           [  9,  88,   6,  45],
           [  9,  76,   3, 100]])

np.argmax(a, axis=0)
>>> array([0, 1, 1, 2])

正如您所看到的，它现在标识了第1行第1列的最大值，第1行第2列和第3行以及第3列第4列。

documentation中有numpy索引的有用指南。

Answer 3

作为旁注：如果要在完整数组中找到最大值的坐标，可以使用

a=np.array([[1,2,4,7],[9,88,6,45],[9,76,3,4]])
>>> a
[[ 1  2  4  7]
 [ 9 88  6 45]
 [ 9 76  3  4]]

c=(np.argmax(a)/len(a[0]),np.argmax(a)%len(a[0]))
>>> c
(1, 1)

Answer 4

""" ....READ THE COMMENTS FOR CLARIFICATION....."""

import numpy as np
a = np.array([[1,2,4,7], [9,88,6,45], [9,76,3,4]])

"""np.argmax(a) will give index of max value in flatted array of given matrix """
>>np.arg(max)
5

"""np.argmax(a,axis=0) will return list of indexes of  max value column-wise"""
>>print(np.argmax(a,axis=0))
[1,1,1,1]

"""np.argmax(a,axis=1) will return list of indexes of  max value row-wise"""
>>print(np.argmax(a,axis=1))
[3,1,1]

"""np.argmin(a) will give index of min value in flatted array of given matrix """
>>np.arg(min)
0

"""np.argmin(a,axis=0) will return list of indexes of  min value column-wise"""
>>print(np.argmin(a,axis=0))
[0,0,2,2]

"""np.argmin(a,axis=0) will return list of indexes of  min value row-wise"""
>>print(np.argmin(a,axis=1))
[0,2,2]

Answer 5

argmax函数参数中的轴指的是数组将沿其切片的轴。

换句话说，np.argmin(a,axis=0)实际上与np.apply_along_axis(np.argmin, 0, a)相同，即找出这些切片向量沿轴的最小位置= 0。

因此，在您的示例中，np.argmin(a, axis=0)为[0, 0, 2, 2]，其对应于各列上[1, 2, 3, 4]的值

numpy：argmin（）和argmax（）函数的逻辑是什么？

5 个答案: