對(duì)于np.argmax()讓我迷惑了很久，尤其是其中的axis=1的比較結(jié)果。

一、np.argmax()的理解

1、最簡(jiǎn)單的例子

假定現(xiàn)在有一個(gè)數(shù)組a = [3, 1, 2, 4, 6, 1]現(xiàn)在要算數(shù)組a中最大數(shù)的索引是多少。最直接的思路,先假定第0個(gè)數(shù)最大,然后拿這個(gè)和后面的數(shù)比,找到大的就更新索引。代碼如下

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

這個(gè)問題可以幫助我們理解argmax.

2、函數(shù)的解釋

一維數(shù)組

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

argmax返回的是最大數(shù)的索引.argmax有一個(gè)參數(shù)axis,默認(rèn)是0,表示第幾維的最大值。

二維數(shù)組

import numpy as np
a = 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(gè)二維數(shù)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 np
a = 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(duì)應(yīng)的索引為(0,0,0),先假定它就是最大值索引(思路和上節(jié)簡(jiǎn)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(shù)組

import numpy as np
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, 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(duì)應(yīng)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(duì)應(yīng)項(xiàng)作比較6大于-6,3大于-3,9大于-9,所以更新這幾個(gè)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 np
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, 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(duì)應(yīng)的索引為((0,0,0,0),(0,0,0,0)),拿a[i][0][k]和a[i][1][k]對(duì)應(yīng)項(xiàng)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(gè)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(xiàn)在最大值對(duì)應(yīng)的數(shù)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(duì)應(yīng)項(xiàng)從比較,7大于5,7大于6,9大于2.更新這幾個(gè)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。

二、關(guān)于axis的理解

設(shè)置axis的主要原因是方便我們進(jìn)行多個(gè)維度的計(jì)算。

通過例子來進(jìn)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(shù)組都要進(jìn)行比較，只是比較的是這些數(shù)組相同位置上的數(shù)(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(shí)候，比較范圍縮小了，只會(huì)比較每個(gè)數(shù)組內(nèi)的數(shù)的大小，結(jié)果也會(huì)根據(jù)有幾個(gè)數(shù)組，產(chǎn)生幾個(gè)結(jié)果。

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

特例

這是里面都是數(shù)組長(zhǎng)度一致的情況，如果不一致，axis最大值為最小的數(shù)組長(zhǎng)度-1，超過則報(bào)錯(cuò)。

當(dāng)不一致的時(shí)候，axis=0的比較也就變成了每個(gè)數(shù)組的和的比較。

比較示例如下

當(dāng)數(shù)組長(zhǎng)度都一樣時(shí)

import numpy as np
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, 9,1]
              ]
            ])
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(dāng)數(shù)組長(zhǎng)度都不一樣時(shí)，

  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]

numpy 的argmax的參數(shù)axis=0/1的概念

對(duì)numpy的argmax一直記不得默認(rèn)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(gè)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(rèn)axis=0，列表只有一個(gè)維度，自然就是一行數(shù)據(jù)的最大數(shù)的索引。

那么對(duì)于二維向量，只需要記住axis是坐標(biāo)軸的方向，不是行列的概念。

在Numpy庫中：

軸用來為超過一維的數(shù)組定義的屬性，二維數(shù)據(jù)擁有兩個(gè)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(jiǎn)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(jié)論：

argmax返回的是最大數(shù)的索引。argmax有一個(gè)參數(shù)axis，默認(rèn)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(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。