np.argmax是用于取得数组中每一行或者每一列的的最大值。常用于机器学习中获取分类结果、计算精确度等。
函数：numpy.argmax(array, axis) array：代表输入数组；axis：代表对array取行（axis=0）或列（axis=1）的最大值。
一、一维数组的用法
x = np.arange(12) # [ 0 1 2 3 4 5 6 7 8 9 10 11]
index = np.argmax(x)
print("1 dimension test:",index) # 11
运算后，降一维，成为一个数值，11的索引值维11，所以运算结果为：11
二、二维数组的用法
# 0代表对行进行最大值选取，此时对每一列进行操作
x = np.arange(12).reshape(3,4)
print(x)
index = np.argmax(x,axis = 0)
print("2 dimension test, axis = 0:",index)
# 输出结果：
# x：[[ 0 1 2 3]
# [ 4 5 6 7]
# [ 8 9 10 11]]
# 2 dimension test, axis = 0:[2 2 2 2]
# 1代表对列进行最大值选取，此时对每一行进行操作
x = np.arange(12).reshape(3,4)
index = np.argmax(x,axis = 1)
print("2 dimension test, axis = 1:",index)
# 输出结果：
# 2 dimension test, axis = 1:[3 3 3]
（1）遵循运算之后降一维的原则，因此返回的会是一个一维的array。
（2）函数返回的是最大值的索引，而不是最大值本身。
（3）另一种理解思路：0：外层；1：内层。axis的取值为0和1，剥掉对应的中括号，将里面的内容直接按逗号分隔。
例：x=[[ 0 1 2 3][ 4 5 6 7][ 8 9 10 11]]是一个（3,4）的矩阵，当axis=0时，剥掉3，返回一个（1,3）的矩阵；在axis=1时，剥掉4，返回一个（1,3）的矩阵。
析：当axis=0时，剥掉外层---->[0 1 2 3] [4 5 6 7 ] [8 9 10 11]
[argmax(0,4,8), argmax(1,5,9), argmax(2,6,10),argmax(3,7,11)]
# 输出：[2,2,2,2]
当axis=1时，剥掉内层---->[0 1 2 3 4 5 6 7 8 9 10 11]
[argmax(0,1,2,3), argmax(4,5,6,7), argmax(8,9,10,11)],
# 输出：[3,3,3]
三、三维数组的用法
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
# 三维向量测试
# 0代表进入第一个[]内进行对比
x = np.arange(24).reshape(2,3,4)
x[1,0,3] = 1
# x =
# [[[ 0 1 2 3]
# [ 4 5 6 7]
# [ 8 9 10 11]]
# [[12 13 14 1]
# [16 17 18 19]
# [20 21 22 23]]]
index = np.argmax(x,axis = 0)
print("3 dimension test, axis = 0:",index)
# 当axis=0时，进入第一个[]内进行对比，此时x剩下两部分。
# [[ 0 1 2 3]
# [ 4 5 6 7]
# [ 8 9 10 11]]
# [[12 13 14 1]
# [16 17 18 19]
# [20 21 22 23]]
# 两部分格式相同，将剩下的两部分每一个单位进行对比，对比结果为
# [[1 1 1 0]
# [1 1 1 1]
# [1 1 1 1]]
# 除去我设置的特殊位置外，其他位置均为第二部分大。
# 三维向量测试
# 1代表进入第二个[]内进行对比
# x =
# [[[ 0 1 2 3]
# [ 4 5 6 7]
# [ 8 9 10 11]]
# [[12 13 14 1]
# [16 17 18 19]
# [20 21 22 23]]]
index = np.argmax(x,axis = 1)
print("3 dimension test, axis = 1:",index)
# 当axis=1时，进入第二个[]内进行对比。
# [ [ 0 1 2 3]
# [ 4 5 6 7]
# [ 8 9 10 11]
# [12 13 14 1]
# [16 17 18 19]
# [20 21 22 23] ]
# 对于第二个[]内的内容而言，均剩下三部分，我特意将两个第二个[]内的内容分开更容易辨认
# 第一个是
# [ 0 1 2 3]
# [ 4 5 6 7]
# [ 8 9 10 11]
# 第二个是
# [12 13 14 1]
# [16 17 18 19]
# [20 21 22 23]
# 都是第三行的值最大，所以输出结果为
# [[ 2 2 2 2]
# [ 2 2 2 2]]
# 三维向量测试
# 2代表进入第三个[]内进行对比
x = np.arange(24).reshape(2,3,4)
x[1,0,3] = 1
# x =
# [[[ 0 1 2 3]
# [ 4 5 6 7]
# [ 8 9 10 11]]
# [[12 13 14 1]
# [16 17 18 19]
# [20 21 22 23]]]
index = np.argmax(x,axis = 2)
print("3 dimension test, axis = 2:",index)
# 当axis=2时，进入第三个[]内进行对比。
# [[ 0 1 2 3
# 4 5 6 7
# 8 9 10 11 ]
# [ 12 13 14 1
# 16 17 18 19
# 20 21 22 23 ]]
# 对于第三个[]内的内容而言，均剩下四部分，我特意将六个第三个[]内的内容分开更容易辨认
# 第一个是
# 0 1 2 3
# 第二个是
# 4 5 6 7
# ……
# 最后对比结果为
# [[ 3 3 3 ]
# [ 2 3 3 ]]
参考：
numpy模块中axis的理解——以np.argmax为例_Bubbliiiing的博客-CSDN博客
【Python数据清洗】np.argmax()函数用法解析_小猪课堂的博客-CSDN博客_np.argmax函数
好文阅读
您阅读本篇文章共花了：
发表评论