numpy：argmin() 和 argmax() 函数的逻辑是什么？

Question

当与轴参数一起使用时，我无法理解 argmax 和 argmin 的输出。例如：

>>> a = np.array([[1,2,4,7], [9,88,6,45], [9,76,3,4]])
>>> a
array([[ 1,  2,  4,  7],
       [ 9, 88,  6, 45],
       [ 9, 76,  3,  4]])
>>> a.shape
(3, 4)
>>> a.size
12
>>> np.argmax(a)
5
>>> np.argmax(a,axis=0)
array([1, 1, 1, 1])
>>> np.argmax(a,axis=1)
array([3, 1, 1])
>>> np.argmin(a)
0
>>> np.argmin(a,axis=0)
array([0, 0, 2, 2])
>>> np.argmin(a,axis=1)
array([0, 2, 2])

如你所见，最大值是点(1,1)，最小值是点(0,0)。所以按照我的逻辑，当我运行:

np.argmin(a,axis=0) 我预计 array([0,0,0,0])
np.argmin(a,axis=1) 我预计 array([0,0,0])
np.argmax(a,axis=0) 我预计 array([1,1,1,1])
np.argmax(a,axis=1) 我预计 array([1,1,1])

我对事物的理解有什么问题？

Answer 1

通过添加 axis 参数，NumPy 会单独查看行和列。如果未给出，数组 a 将展平为单个一维数组。

axis=0表示对二维数组a的列依次向下进行操作。

例如np.argmin(a, axis=0) returns四列中每一列中最小值的索引。每列中的最小值显示在下面的粗体中：

>>> a
array([[ <b>1</b>,  <b>2</b>,  4,  7],  # 0
       [ 9, 88,  6, 45],  # 1
       [ 9, 76,  <b>3</b>,  <b>4</b>]]) # 2

>>> np.argmin(a, axis=0)
array([0, 0, 2, 2])

另一方面，axis=1 表示操作跨越 a 行执行。

意思是np.argmin(a, axis=1)returns[0, 2, 2]因为a有三行。第一行最小值索引为0，第二行和第三行最小值索引为2:

>>> a
#        0   1   2   3
array([[ <b>1</b>,  2,  4,  7],
       [ 9, 88,  <b>6</b>, 45],
       [ 9, 76,  <b>3</b>,  4]])

>>> np.argmin(a, axis=1)
array([0, 2, 2])

Answer 2

默认情况下 np.argmax 函数有效 along the flattened array，除非您指定轴。要查看发生了什么，您可以明确使用 flatten：

np.argmax(a)
>>> 5

a.flatten()
>>>> array([ 1,  2,  4,  7,  9, 88,  6, 45,  9, 76,  3,  4])
             0   1   2   3   4   5

我已经对上面数组下的索引进行了编号，以使其更清楚。请注意，索引在 numpy 中从零开始编号。

在您指定轴的情况下，它也按预期工作：

np.argmax(a,axis=0)
>>> array([1, 1, 1, 1])

这告诉您最大值在 1 行（第 2 个值）中，对于沿 axis=0（向下）的每一列。如果稍微更改一下数据，您可以更清楚地看到这一点：

a=np.array([[100,2,4,7],[9,88,6,45],[9,76,3,100]])
a
>>> array([[100,   2,   4,   7],
           [  9,  88,   6,  45],
           [  9,  76,   3, 100]])

np.argmax(a, axis=0)
>>> array([0, 1, 1, 2])

如您所见，它现在在第 0 行中为第 1 列标识最大值，在第 1 行中为第 2 和 3 列标识最大值，在第 3 行中为第 4 列标识最大值。

documentation 中有一个关于 numpy 索引的有用指南。

Answer 3

argmax 函数参数中的轴，指的是数组将被切片的轴。

换句话说，np.argmin(a,axis=0)实际上与np.apply_along_axis(np.argmin, 0, a)相同，即找出这些切片向量沿轴=0的最小位置。

因此，在您的示例中，np.argmin(a, axis=0) 是 [0, 0, 2, 2]，对应于各个列 [1, 2, 3, 4] 的值

Answer 4

附带说明：如果你想在整个数组中找到最大值的坐标，你可以使用

a=np.array([[1,2,4,7],[9,88,6,45],[9,76,3,4]])
>>> a
[[ 1  2  4  7]
 [ 9 88  6 45]
 [ 9 76  3  4]]

c=(np.argmax(a)/len(a[0]),np.argmax(a)%len(a[0]))
>>> c
(1, 1)

Answer 5

""" ....READ THE COMMENTS FOR CLARIFICATION....."""

import numpy as np
a = np.array([[1,2,4,7], [9,88,6,45], [9,76,3,4]])

"""np.argmax(a) will give index of max value in flatted array of given matrix """
>>np.argmax(a)
5

"""np.argmax(a,axis=0) will return list of indexes of  max value column-wise"""
>>print(np.argmax(a,axis=0))
[1,1,1,1]

"""np.argmax(a,axis=1) will return list of indexes of  max value row-wise"""
>>print(np.argmax(a,axis=1))
[3,1,1]

"""np.argmin(a) will give index of min value in flatted array of given matrix """
>>np.argmin(a)
0

"""np.argmin(a,axis=0) will return list of indexes of  min value column-wise"""
>>print(np.argmin(a,axis=0))
[0,0,2,2]

"""np.argmin(a,axis=0) will return list of indexes of  min value row-wise"""
>>print(np.argmin(a,axis=1))
[0,2,2]

numpy：argmin() 和 argmax() 函数的逻辑是什么？

numpy: what is the logic of the argmin() and argmax() functions?

python

arrays

numpy

argmax