np.argmax()函数用法_.argmax会降维嘛-优快云博客

本文详细介绍了如何使用NumPy进行一维、二维及三维数组的操作，包括数组的创建、最大值索引的获取以及沿不同轴进行的最大值计算。通过具体实例展示了不同维度下数组的特性及其在实际应用中的意义。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

https://blog.youkuaiyun.com/weixin_42755982/article/details/104542538

一、一维数组的用法

one_dim_array = np.array([1, 4, 5, 3, 7, 2, 6])
print(np.argmax(one_dim_array))

运算后，降一维，成为一个数值，7的索引值维4，所以运算结果： 4

二维数组用法

所以，在axis为0时，剥掉2，返回一个1×3的数组；在axis为1时，剥掉3，返回一个1×2的数组

two_dim_array = np.array([[1, 3, 5], [0, 4, 3]])
max_index_axis0 = np.argmax(two_dim_array, axis = 0)
"""
在axis为0时，0层括号置外面提出来，0 层内按 "," 换行对齐，
[[1, 3, 5], 
 [0, 4, 3]]
分别对已经对齐的元素按照 0 层括号外面的逗号分组，这里的
[1, 3, 5], 
[0, 4, 3] 
0 层外面没有逗号，因此是一组
然后按列比较大小即可，返回值为
[argmax(1,0), argmax(3,4), argmax(5,3)]:
[0, 1, 0]
"""

以三维为例

三维计算之后降维，将返回一个二维数组。

一个m×n×p维的矩阵，
axis为0，舍去m，返回一个 n×p 维的矩阵
axis为1，舍去n，返回一个 m×p 维的矩阵
axis为2，舍去p，返回一个 m×n 维的矩阵

three_dim_array = [[[1, 2, 3, 4],  [-1, 0, 3, 5]],
				   [[2, 7, -1, 3], [0, 3, 12, 4]],
				   [[5, 1, 0, 19], [4, 2, -2, 13]]]
a = np.argmax(three_dim_array, axis = 0)
print(a)
b = np.argmax(three_dim_array, axis = 1)
print(b)
c = np.argmax(test, axis = 2)
print(c)