np.max 与 np.maximum

原文地址:http://blog.youkuaiyun.com/lanchunhui/article/details/52700895


1. 参数

首先比较二者的参数部分:

  • np.max:(a, axis=None, out=None, keepdims=False) 
    • 求序列的最值
    • 最少接收一个参数
    • axis:默认为列向(也即 axis=0),axis = 1 时为行方向的最值;
  • np.maximum:(X, Y, out=None) 
    • X 与 Y 逐位比较取其大者;
    • 最少接收两个参数

2. 使用上

>> np.max([-2, -1, 0, 1, 2])
2

>> np.maximum([-2, -1, 0, 1, 2], 0)
array([0, 0, 0, 1, 2])

        # 当然 np.maximum 接受的两个参数,也可以大小一致
        # 或者更为准确地说,第二个参数只是一个单独的值时,其实是用到了维度的 broadcast 机制;

### Numpy Maximum 函数详解 Numpy 的 `maximum` 函数用于逐元素比较两个数组,并返回一个新的数组,其中包含了每一对对应位置上较大的那个数。 #### 基本语法 ```python numpy.maximum(x1, x2, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) = <ufunc 'maximum'> ``` 参数说明: - `x1`, `x2`: 输入数组。如果形状不同,则它们必须能够广播到共同的形状。 - `out`: 可选,默认为无。指定放置结果的位置。 - `where`: 可选,默认为 True。表示计算该操作的工作掩码。 - 其他关键字参数详见官方文档。 #### 使用示例 ##### 示例 1:基本用法 当输入是简单的数值时: ```python import numpy as np result = np.maximum(3, 5) print(result) # 输出: 5 ``` ##### 示例 2:一维数组之间的最大值运算 对于相同长度的一维数组: ```python array_a = np.array([1, 3, 7]) array_b = np.array([4, 2, 6]) max_array = np.maximum(array_a, array_b) print(max_array) # 输出: [4 3 7] ``` ##### 示例 3:二维数组间的最大值运算 处理多维度的数据结构同样适用: ```python matrix_1 = np.array([[1, 2], [3, 4]]) matrix_2 = np.array([[5, 6], [7, 8]]) max_matrix = np.maximum(matrix_1, matrix_2) print(max_matrix) # 输出: # [[5 6] # [7 8]] ``` ##### 示例 4:标量的最大值运算 可以将一个标量应用于整个数组中的每一个元素: ```python scalar_value = 9 vector = np.array([-1, 0, 5, 10]) max_vector_scalar = np.maximum(vector, scalar_value) print(max_vector_scalar) # 输出: [9 9 9 10] ``` 通过上述例子可以看出,无论是一维还是多维情况下的数据对比,亦或是对标量的操作,`np.maximum()` 都能很好地完成任务[^1]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值