對于np.argmax()讓我迷惑了很久，尤其是其中的axis=1的比較結果。

假定現在有一個數組a = [3, 1, 2, 4, 6, 1]現在要算數組a中最大數的索引是多少。最直接的思路,先假定第0個數最大,然后拿這個和后面的數比,找到大的就更新索引。代碼如下

a = [3, 1, 2, 4, 6, 1]maxindex = 0i = 0for tmp in a: if tmp > a[maxindex]:maxindex = i i += 1print(maxindex)

這個問題可以幫助我們理解argmax.

一維數組

import numpy as npa = np.array([3, 1, 2, 4, 6, 1])print(np.argmax(a))

argmax返回的是最大數的索引.argmax有一個參數axis,默認是0,表示第幾維的最大值。

二維數組

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

為了描述方便,a就表示這個二維數組。np.argmax(a, axis=0)的含義是a[0][j],a[1][j],a[2]j中最大值的索引。從a[0][j]開始,最大值索引最初為(0,0,0,0),拿a[0][j]和a[1][j]作比較,9大于1,6大于5,8大于2,所以最大值索引由(0,0,0,0)更新為(1,1,0,1),再和a[2][j]作比較,7大于6,9大于5所以更新為(1,2,2,1)。

再分析下面的輸出.

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

np.argmax(a, axis=1)的含義是a[i][0],a[i][1],a[i][2],a[i]3中最大值的索引。從a[i][0]開始,a[i][0]對應的索引為(0,0,0),先假定它就是最大值索引(思路和上節簡單例子完全一致)拿a[i][0]和a[i][1]作比較,5大于1,7大于3所以最大值索引由(0,0,0)更新為(1,0,1),再和a[i][2]作比較,9大于7,更新為(1,0,2),再和a[i][3]作比較,不用更新,最終值為(1,0,2)

三維數組

import numpy as npa = np.array([ [ [1, 5, 5, 2], [9, -6, 2, 8], [-3, 7, -9, 1] ], [ [-1, 5, -5, 2], [9, 6, 2, 8], [3, 7, 9, 1] ] ])print(np.argmax(a, axis=0))

np.argmax(a, axis=0)的含義是a[0][j][k],a[1][j][k] (j=0,1,2,k=0,1,2,3)中最大值的索引。

從a[0][j][k]開始,a[0][j][k]對應的索引為((0,0,0,0),(0,0,0,0),(0,0,0,0)),拿a[0][j][k]和a[1][j][k]對應項作比較6大于-6,3大于-3,9大于-9,所以更新這幾個位置的索引,將((0,0,0,0),(0,0,0,0),(0,0,0,0))更新為((0,0,0,0),(0,1,0,0),(1,0,1,0)).。

再看axis=1的情況

import numpy as npa = np.array([ [ [1, 5, 5, 2], [9, -6, 2, 8], [-3, 7, -9, 1] ], [ [-1, 5, -5, 2], [9, 6, 2, 8], [3, 7, 9, 1] ] ])print(np.argmax(a, axis=1))

np.argmax(a, axis=1)的含義是a[i][0][k],a[i][1][k] (i=0,1,k=0,1,2,3)中最大值的索引。從a[i][0][k]開始,a[i][0][k]對應的索引為((0,0,0,0),(0,0,0,0)),拿a[i][0][k]和a[i][1][k]對應項作比較,9大于1,8大于2,9大于-1,6大于5,2大于-5,8大于2,所以更新這幾個位置的索引,將((0,0,0,0),(0,0,0,0))更新為((1,0,0,1),(1,1,1,1)),現在最大值對應的數組為((9,5,5,8),(9,6,2,8))。

再拿((9,5,5,8),(9,6,2,8))和a[i][2][k]對應項從比較,7大于5,7大于6,9大于2.更新這幾個位置的索引。

將((1,0,0,1),(1,1,1,1))更新為((1,2,0,1),(1,2,2,1)).axis=2的情況也是類似的。

設置axis的主要原因是方便我們進行多個維度的計算。

通過例子來進行理解

比如：

a = np.array([[1, 2, 3], [2, 3, 4], [5, 4, 3], [8, 7, 2]])np.argmax(a, 0)　＃輸出：array([3, 3, 1]np.argmax(a, 1)　＃輸出：array([2, 2, 0, 0]axis = 0:

你就這么想，0是最大的范圍，所有的數組都要進行比較，只是比較的是這些數組相同位置上的數(我的理解是0 列比較輸出)：

a[0] = array([1, 2, 3])a[1] = array([2, 3, 4])a[2] = array([5, 4, 3])a[3] = array([8, 7, 2])# output : [3, 3, 1]axis = 1: （行比較輸出）

等于1的時候，比較范圍縮小了，只會比較每個數組內的數的大小，結果也會根據有幾個數組，產生幾個結果。

a[0] = array([1, 2, 3]) #2a[1] = array([2, 3, 4]) #2a[2] = array([5, 4, 3]) #0a[3] = array([8, 7, 2]) #0

特例

這是里面都是數組長度一致的情況，如果不一致，axis最大值為最小的數組長度-1，超過則報錯。

當不一致的時候，axis=0的比較也就變成了每個數組的和的比較。

比較示例如下

當數組長度都一樣時

import numpy as npa = np.array([ [ [1, 5, 5, 2], [9, -6, 2, 8], [-3, 7, -9, 1] ], [ [-1, 5, -5, 2], [9, 6, 2, 8], [3, 7, 9,1] ] ])print(np.argmax(a, axis=0))print(np.argmax(a, axis=1))

輸出為

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

[1 2 2 1]]

當數組長度都不一樣時，

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

輸出為

[0 1 1][1 1]

對numpy的argmax一直記不得默認是行還是列搜索，總是用糊涂，每次都要查資料，今天突然醒悟。

先列后行，為什么呢？

看下面的一個列表，就知道了。

>>b=np.array([1, 2, 3, 4, 3, 2, 1])>>np.argmax(b)>>3>>np.argmax(b, axis=0)>>3

默認axis=0，列表只有一個維度，自然就是一行數據的最大數的索引。

那么對于二維向量，只需要記住axis是坐標軸的方向，不是行列的概念。

軸用來為超過一維的數組定義的屬性，二維數據擁有兩個軸：

第0軸沿著行的垂直往下，第1軸沿著列的方向水平延伸。簡單的來記就是axis=0代表往跨行（down)，而axis=1代表跨列（across)。

所以axis=0代表的就是列查找，axis=1代表著行查找。

>>a = np.array([[1, 5, 5, 2], [9, 6, 2, 8], [3, 7, 9, 1]])>>np.argmax(a,axis=0)>>array([1, 2, 2, 1], dtype=int64)>>np.argmax(a,axis=1)>>array([1, 0, 2], dtype=int64)結論：

argmax返回的是最大數的索引。argmax有一個參數axis，默認是0，表示每一列的最大值的索引，axis=1表示每一行的最大值的索引。

以上為個人經驗，希望能給大家一個參考，也希望大家多多支持好吧啦網。