10.Python——max()的用法

本文详细解析Python内置max()函数的功能与用法,包括如何处理不同数据类型的参数,使用key参数自定义最大值判断标准,以及处理空序列和默认值设置。了解max()函数在各种情况下的行为,提升Python编程技巧。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Python max内置函数: 

max(iterable, *[, key, default])

max(arg1, arg2, *args[, key])

函数功能为取传入的多个参数中的最大值,或者传入的可迭代对象元素中的最大值。默认数值型参数,取值大者;字符型参数,取字母表排序靠后者。还可以传入命名参数key,其为一个函数,用来指定取最大值的方法。default命名参数用来指定最大值不存在时返回的默认值。

1.传入的多个参数的最大值

print(max(1,2,3,4))  # 输出4

注意:函数至少传入两个参数,但是有只传入一个参数的例外,此时参数必须为可迭代对象,返回的是可迭代对象中的最大元素。

print(max(1)) # 传入1个参数报错

# TypeError: 'int' object is not iterable(不可迭代的)

2.传入可迭代对象时,取其元素最大值

  • 传入可迭代对象不为空时
s = '12345'

print(max(s))
  • 传入可迭代对象为空时,必须指定参数default,用来返回默认值输出
print(max((),default=1))

print(max(()))  # 报错ValueError: max() arg is an empty sequence
  • 传入命名参数key,其为一个函数,用来指定取最大值的方法
s = [

  {'name': 'sumcet', 'age': 18},

  {'name': 'bbu', 'age': 11}

]
a = max(s, key=lambda x: x['age'])
print(a)

# 输出
# {'name': 'sumcet', 'age': 18}

3.当传入参数为数据类型不一致时,传入的所有参数将进行隐式数据类型转换后再比较,如果不能进行隐式数据类型转换,则会报错。

>>> max(1,1.1,1.3E1) # 整数与浮点数可取最大值
13.0
>>> max(1,2,3,'3') # 数值与字符串不能取最大值

Traceback (most recent call last):
 File "<pyshell#5>", line 1, in <module>
  max(1,2,3,'3')
TypeError: unorderable types: str() > int()
 
>>> max([1,2],[1,3]) # 列表与列表可取最大值
[1, 3]
>>> max([1,2],(1,3)) # 列表与元组不能取最大值
Traceback (most recent call last):
 File "<pyshell#7>", line 1, in <module>
  max([1,2],(1,3))
TypeError: unorderable types: tuple() > list()

4.当存在多个相同的最大值时,返回的是最先出现的那个最大值。

#定义a、b、c 3个列表
>>> a = [1,2]
>>> b = [1,1]
>>> c = [1,2]
  
#查看a、b、c 的id
>>> id(a)
68128320
>>> id(b)
68128680
>>> id(c)
68128240
  
#取最大值
>>> d = max(a,b,c)
>>> id(d)
68128320
  
#验证是否最大值是否是a
>>> id(a) == id(d)
True

5.key参数的另外一个作用是,不同类型对象本来不能比较取最大值的,传入适当的key函数,变得可以比较能取最大值了。 

>>> max(1,2,'3') #数值和字符串不能取最大值

Traceback (most recent call last):
 File "<pyshell#21>", line 1, in <module>
  max(1,2,'3')
TypeError: unorderable types: str() > int() 
>>> max(1,2,'3',key = int) # 指定key为转换函数后,可以取最大值
'3'
 
>>> max((1,2),[1,1]) #元组和列表不能取最大值

Traceback (most recent call last):
 File "<pyshell#24>", line 1, in <module>
  max((1,2),[1,1])
TypeError: unorderable types: list() > tuple()
>>> max((1,2),[1,1],key = lambda x : x[1]) #指定key为返回序列索引1位置的元素后,可以取最大值
(1, 2)

总结:

  • 默认数值型参数,取值大者;
  • 字符型参数,取字母表排序靠后者;
  • 序列型参数,则依次按索引位置的值进行比较取最大者。
  • 还可以通过传入命名参数key,指定取最大值方法。
>>> max(1,2) # 取数值大者
2
>>> max('a','b') # 取排序靠后者
'b'
>>> max('ab','ac','ad') # 依次按索引比较取较大者
'ad'
  
>>> max(-1,0) # 数值默认去数值较大者
0
>>> max(-1,0,key = abs) # 传入了求绝对值函数,则参数都会进行求绝对值后再取较大者
-1

 

### Python 中 `numpy.argmax` 函数用法与实例 #### 定义与基本功能 `numpy.argmax` 是 NumPy 库中的一个重要函数,用于返回沿指定轴的最大值的索引。如果没有提供特定的轴参数,则会将输入数组展平成一维后再执行操作[^1]。 ```python import numpy as np a = np.array([[10, 50, 30], [60, 20, 40]]) result_flat = np.argmax(a) print(f"Flattened Array Max Index: {result_flat}") # 输出应该是 3 ``` 在这个简单的例子中,我们创建了一个二维数组 `a` 并调用了 `np.argmax(a)` 。由于未指定任何轴选项,默认情况下它会对整个数组进行评估并将结果视为单一序列的一部分;因此输出为整数 `3` ,表示全局最大值位于展开版本里的第四个位置(基于零起始计数法则)[^1]。 --- #### 沿着某一维度寻找最大值索引 当处理多维数据集时,经常希望知道某个方向上的极值所在之处而不是简单地在整个集合范围内搜寻。这时就可以借助于可选参数 `axis` 来达成目的: - **沿着列的方向** (即按照行比较) ```python max_indices_along_columns = np.argmax(a, axis=0) print(max_indices_along_columns) # 结果将是 [1 0 1] ``` 这里指定了 `axis=0` 表明我们要分别考察每一列内部哪个元素具有最高数值,并记录下来它们各自的相对位序号作为最终答案之一部分组成向量 `[1, 0, 1]` —— 显示第二行拥有每列当中最大的三个成员[^1]。 - **沿着行的方向** (即按照列对比) ```python max_indices_along_rows = np.argmax(a, axis=1) print(max_indices_along_rows) # 展示 [1 0] ``` 设置 `axis=1` 后意味着关注焦点转移到各行之间相互较量环节上来——于是乎得知首条记录里面占据优势地位的是它的第二个项目而次级单位则以其首个构件胜出故呈现如此这般模样:`[1, 0]`[^1]。 --- #### 处理复杂情况下的应用案例 考虑这样一个场景:有一份销售报表包含了若干商品在过去几个月内的收入状况,现在想要快速定位哪个月产生了最多收益以及对应的具体金额是多少? 假设我们的数据看起来像这样: ```plaintext | 商品 | Jan ($)| Feb ($) | Mar ($) | |------|---------|----------|----------| | A | 150 | 200 | 250 | | B | 300 | 180 | 220 | ... ``` 我们可以构建相应的 NumPy 数组并运用之前学到的知识轻松解决这个问题! ```python sales_data = np.array([ [150., 200., 250.], # Product A Sales Data [300., 180., 220.] # Product B Sales Data ]) months = ['Jan', 'Feb', 'Mar'] best_month_per_product = months[np.argmax(sales_data, axis=1)] highest_revenue_per_product = sales_data.max(axis=1) for i, product in enumerate(['A', 'B']): print(f"Product {product} had its best month in {best_month_per_product[i]} with revenue ${highest_revenue_per_product[i]:.2f}.") ``` 这段脚本首先定义好了代表各月销售额度的一个二维表格形式的数据结构接着利用刚刚介绍过的技巧提取出了关于最佳业绩月份的信息最后打印出来便于查看理解[^2]。 --- ### 总结 综上所述,`numpy.argmax` 不仅能够帮助开发者迅速找到单个或多个子集中最突出的那个个体而且还能灵活适应多种布局模式满足多样化的需求。掌握好这个工具无疑会让数据分析变得更加便捷高效。
评论 3
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