np.argmax()和max()助解

最新推荐文章于 2025-10-13 13:46:31 发布

原创最新推荐文章于 2025-10-13 13:46:31 发布 · 867 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#python

Python相关专栏收录该内容

35 篇文章

订阅专栏

本文详细介绍了numpy库中的argmax()和max()函数的使用。argmax()函数返回数组中最大值的索引，而max()函数则直接返回最大值。通过多个示例，分别展示了在一维、二维和三维张量上的应用，以及axis参数如何影响结果。这两个函数在数据分析和机器学习中经常用于寻找最大值及其位置。

一、argmax()

argmax取最大值，然后返回索引。

(1)一维向量

import numpy as np

a = np.array([3, 1, 2, 4, 6, 1])
res = np.argmax(a)
print(res)

>>> 4

取a中元素最大值所对应的索引（索引默认从0开始），此时的最大值是6，其对应的位置索引值为4。

（2）二维张量

a = np.array([[1, 5, 5, 2],
              [9, 6, 2, 8],
              [3, 7, 9, 1]])
res = np.argmax(a, axis=0)
print(res)

>>> [1 2 2 1]

axis=0, 得到结果：
[1, 5, 5, 2]   [9, 6, 2, 8]   [3, 7, 9, 1] , 然后再依次取三个列表中对应元素，如下：
[1, 9, 3]  ===>  最大值9  ===>  索引1
[5, 6, 7]  ===>  最大值7  ===>  索引2
[5, 2, 9]  ===>  最大值9  ===>  索引2
[2, 8, 1]  ===>  最大值8  ===>  索引1

a = np.array([[1, 5, 5, 2],
              [9, 6, 2, 8],
              [3, 7, 9, 1]])
res = np.argmax(a, axis=1)
print(res)


>>> [1 0 2]

1, 5, 5, 2  ===> 最大值5 ===> 索引1
9, 6, 2, 8  ===> 最大值9 ===> 索引0
3, 7, 9, 1  ===> 最大值9 ===> 索引2

（3）三维张量

a = np.array([
    [
        [1, 5, 5, 2],
        [9, -6, 2, 8],
        [-3, 7, -9, 1]
    ],

    [
        [-1, 7, -5, 2],
        [9, 6, 2, 8],
        [3, 7, 9, 1]
    ],
    [
        [21, 6, -5, 2],
        [9, 36, 2, 8],
        [3, 7, 79, 1]
    ]
])
res = np.argmax(a, axis=0)
print(res)


>>> [[2 1 0 0]
    [0 2 0 0]
    [1 0 2 0]]

axis=0，得到三个二维张量，

[
    [1, 5, 5, 2],
    [9, -6, 2, 8],
    [-3, 7, -9, 1]
],

[
    [-1, 7, -5, 2],
    [9, 6, 2, 8],
    [3, 7, 9, 1]
],

[
    [21, 6, -5, 2],
    [9, 36, 2, 8],
    [3, 7, 79, 1]
]

示意图：

a = np.array([
    [
        [1, 5, 5, 2],
        [9, -6, 2, 8],
        [-3, 7, -9, 1]
    ],

    [
        [-1, 7, -5, 2],
        [9, 6, 2, 8],
        [3, 7, 9, 1]
    ],
    [
        [21, 6, -5, 2],
        [9, 36, 2, 8],
        [3, 7, 79, 1]
    ]
])
res = np.argmax(a, axis=1)
print(res)

>>> [[1 2 0 1]
     [1 0 2 1]
     [0 1 2 1]]

axis=1，得到第一组[1, 5, 5, 2], [9, -6, 2, 8], [-3, 7, -9, 1]；第二组[-1, 7, -5, 2], [9, 6, 2, 8], [3, 7, 9, 1]；第三组[21, 6, -5, 2], [9, 36, 2, 8], [3, 7, 79, 1]。逐个元素取最大索引，首先是第一组：

a = np.array([
    [
        [1, 5, 5, 2],
        [9, -6, 2, 8],
        [-3, 7, -9, 1]
    ],

    [
        [-1, 7, -5, 2],
        [9, 6, 2, 8],
        [3, 7, 9, 1]
    ],
    [
        [21, 6, -5, 2],
        [9, 36, 2, 8],
        [3, 7, 79, 1]
    ]
])
res = np.argmax(a, axis=2)
print(res)

>>> [[1 0 1]
     [1 0 2]
     [0 1 2]]

axis=2，得到九组数据，如下示意图：

二、max()

返回最大值数值。

t = np.array([[3, 4, 1, 0], [12, 1, 2, 3], [52, 34, 88, 11]])
res1 = t.max(axis=0)
print(res1)
res2 = t.max(axis=1)
print(res2)


>>>[52 34 88 11]
    [ 4 12 88]

axis=0，得到一组一维张量：[3, 4, 1, 0], [12, 1, 2, 3], [52, 34, 88, 11]，向量逐元素计算最大值，例如3, 12，52 其中的最大值为52。

axis=1，得到三组数据：第一组3, 4, 1, 0；第二组：12, 1, 2, 3；第三组：52, 34, 88, 11。第一组最大值4，第二组最大值12，...

axis=？的问题参见：

https://blog.youkuaiyun.com/MasterCayman/article/details/119488357

参考：

1.https://blog.youkuaiyun.com/weixin_43987408/article/details/115283685?utm_medium=distribute.pc_relevant.none-task-blog-2~default~baidujs_baidulandingword~default-0.control&spm=1001.2101.3001.4242

2.https://blog.youkuaiyun.com/weixin_38145317/article/details/79650188