argmax和argmin函数的使用

argmax(a, axis=None, out=None)
# a 表示array
# axis 表示指定的轴，默认是None，表示把array平铺，
# out 默认为None，如果指定，那么返回的结果会插入其中

这个函数返回的是沿轴axis最大值的下标（索引值）。

（1）如果没有指定axis的值，array就会被平铺成一个一维数组：

a = np.array([[2,5,6],[7,6,1]])
print(np.argmax(a))

a=3,因为数组平铺以后变成 [2,5,6,7,6,1] ，其中7是最大值，7的下标（索引值）就是3。

三维数组的话，先平铺第一页，再平铺第二页接在第一页后面，后面的页依次平铺接到前一页后面，同样的方法找到索引值。

（2）如果axis=0

二维数组情况：假设是一个3*2的数组，则会得到一个1*2的数组，每个元素表示沿行方向（Y）的最小值的索引值；

                         假设是一个2*3的数组，则会得到一个1*3的数组，每个元素表示沿行方向（Y）的最小值的索引值；

三维数组情况：假设是一个3*2*4的数组，则会得到一个2*4的数组，每个元素表示沿行方向（Y）的最小值的索引值；

                         假设是一个2*3*4的数组，则会得到一个3*4的数组，每个元素表示沿行方向（Y）的最小值的索引值；

* 可以认为是几个行向量之间对应元素比较大小，取最大值。Y方向指的是从上到下。

（3）如果axis=1

二维数组情况：假设是一个3*2的数组，则会得到一个一维数组[x1,x2,x3]，每个元素表示沿列方向（X）的最小值的索引值；

                         假设是一个2*3的数组，则会得到一个一维数组[x1,x2]，每个元素表示沿列方向（X）的最小值的索引值；

三维数组情况：假设是一个3*2*4的数组，则会得到一个3*4的数组，每个元素表示沿列方向（X）的最小值的索引值；

                         假设是一个2*3*4的数组，则会得到一个2*4的数组，每个元素表示沿列方向（X）的最小值的索引值；

* 可以认为是几个列向量之间对应元素比较大小，取最大值。X方向指的是从左到右。

（4）如果axis=2

三维数组情况：假设是一个3*2*4的数组，则会得到一个3*2的数组，每个元素表示沿页方向（Z）的最小值的索引值；

                         假设是一个2*3*4的数组，则会得到一个2*3的数组，每个元素表示沿页方向（Z）的最小值的索引值；

* 同理，Z方向指的是从前到后；

总之如果矩阵的尺寸是 a*b*c 的，axis=0，1，2表示分别把a，b，c折叠成1，剩余两个维度不变，

分别得到1*b*c，a*1*c，a*b*1的矩阵，就是b*c，a*c，a*b的矩阵。

* 同理可以运用到sum函数的axis。