Question

numpy有三种不同的功能，看起来它们可以用于相同的事情 - 除了numpy.maximum只能才能使用元素，而numpy.max并且numpy.amax可用于特定轴或所有元素。为什么不仅仅是numpy.max？在表现上有一些微妙之处吗？

（同样适用于min与amin与minimum）

Answer 1

np.max只是np.amax的别名。此函数仅适用于单个输入数组，并在整个数组中查找最大元素的值（返回标量）。或者，它采用axis参数，并沿输入数组的轴找到最大值（返回一个新数组）。

>>> a = np.array([[0, 1, 6],
                  [2, 4, 1]])
>>> np.max(a)
6
>>> np.max(a, axis=0) # max of each column
array([2, 4, 6])

np.maximum的默认行为是使用两个数组并计算其元素最大值。这里，'兼容'意味着一个阵列可以广播到另一个阵列。例如：

>>> b = np.array([3, 6, 1])
>>> c = np.array([4, 2, 9])
>>> np.maximum(b, c)
array([4, 6, 9])

但是np.maximum也是universal function，这意味着它具有在处理多维数组时有用的其他功能和方法。例如，您可以计算数组（或数组的特定轴）的累积最大值：

>>> d = np.array([2, 0, 3, -4, -2, 7, 9])
>>> np.maximum.accumulate(d)
array([2, 2, 3, 3, 3, 7, 9])

np.max无法做到这一点。

使用np.maximum时，您可以np.max在某种程度上模仿np.maximum.reduce：

>>> np.maximum.reduce(d)
9
>>> np.max(d)
9

基本测试表明这两种方法在性能上具有可比性;它们应该像np.max() actually calls np.maximum.reduce那样进行计算。

Answer 2

您已经说明了为什么np.maximum不同 - 它返回一个数组，它是两个数组之间的元素最大值。

至于np.amax和np.max：它们都调用相同的函数 - np.max只是np.amax的别名，它们计算所有元素的最大值数组，或沿数组的轴。

In [1]: import numpy as np

In [2]: np.amax
Out[2]: <function numpy.core.fromnumeric.amax>

In [3]: np.max
Out[3]: <function numpy.core.fromnumeric.amax>

Answer 3

为完整起见，在Numpy中有四个 maximum 相关函数。它们分为两类：

np.amax/np.max，np.nanmax：用于单个数组订单统计
和np.maximum，np.fmax：用于两个数组的按元素比较

I。 For single array order statistics

NaNs传播者 np.amax/np.max 及其对NaN无知的对手 np.nanmax 。

np.max只是np.amax的别名，因此它们被视为一个函数。
```
>>> np.max.__name__
'amax'
>>> np.max is np.amax
True
```

np.max传播NaN，而np.nanmax忽略NaN。

>>> np.max([np.nan, 3.14, -1])
nan
>>> np.nanmax([np.nan, 3.14, -1])
3.14

II。 For element-wise comparison of two arrays

NaNs传播者 np.maximum 及其对NaNs无知的对手 np.fmax 。

两个函数都需要两个数组作为要比较的前两个位置args。

# x1 and x2 must be the same shape or can be broadcast
np.maximum(x1, x2, /, ...);
np.fmax(x1, x2, /, ...)

np.maximum传播NaN，而np.fmax忽略NaN。

>>> np.maximum([np.nan, 3.14, 0], [np.NINF, np.nan, 2.72])
array([ nan,  nan, 2.72])
>>> np.fmax([np.nan, 3.14, 0], [np.NINF, np.nan, 2.72])
array([-inf, 3.14, 2.72])

按元素分类的函数为np.ufunc(Universal Function)，这意味着它们具有普通Numpy函数所不具备的一些特殊属性。

>>> type(np.maximum)
<class 'numpy.ufunc'>
>>> type(np.fmax)
<class 'numpy.ufunc'>
>>> #---------------#
>>> type(np.max)
<class 'function'>
>>> type(np.nanmax)
<class 'function'>

最后，相同的规则适用于四个最小相关功能：

np.amin/np.min，np.nanmin；
和np.minimum，np.fmin。

Answer 4

np.maximum不仅按元素进行比较，而且还将数组与单个值进行元素比较

>>>np.maximum([23, 14, 16, 20, 25], 18)
array([23, 18, 18, 20, 25])

numpy max vs amax vs maximum

4 个答案:

I。 For single array order statistics

II。 For element-wise comparison of two arrays