np.where()与object.argmax()的区别

Rc小小白…

于 2022-11-28 21:47:40 发布

阅读量173

点赞数

文章标签： python numpy 开发语言

本文链接：https://blog.csdn.net/a244630/article/details/128087644

版权

本文详细介绍了 NumPy 中的 np.where() 和 argmax() 函数。np.where() 根据条件返回数组元素的值或替换值，当仅提供条件时，返回满足条件的索引。argmax() 则根据轴的方向寻找最大值的索引，当 axis=None 时，会在整个数组中查找。两者的最大区别在于处理相同数据时，np.where() 返回所有匹配索引，而 argmax() 只返回最小索引。

摘要由CSDN通过智能技术生成

一、np.where(condition,x=None,y=None)

1、当condition为True时，将执行x，否则执行y

import numpy as np
a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10,])
b = np.where(a > 6,a * 2,a)
print(b)

2、特殊情况下，当只有condition时，将返回满足condition的数据索引。注意，返回的数据类型为元组（index,type）。

import numpy as np
a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10,])
b = np.where(a > 6)
print(b)

当原数据为多维时，返回也为多维数组的索引。（以二维为例，第一维为行索引，第二维为列索引）

import numpy as np
a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10,11,12]).reshape(3,4)
print(a)
b = np.where(a > 6)
print(b)

二、object.argmax(axis=None)

以参数axis为指引，决定按哪一个方向寻找最大值。当参数不指定时，默认先平铺所有数据，后寻找最大值。

import numpy as np
a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10,11,12]).reshape(3,4)
print(a)

#axis = 0,按列方向寻找最大索引
axis_0 = a.argmax(axis=0)
print('--axis=0---')
print(axis_0)

#axis = 1,按行方向寻找最大索引
axis_1 = a.argmax(axis=1)
print('--axis=1---')
print(axis_1)

#axis=None
axis_none = a.argmax()
print('--axis=1---')
print(axis_none)

三、两者最大区别

当待寻找对象存在相同数据时，前者p.where(condition)可以返回多个索引，而后者object.argmax()只能返回对应相同数据中所有索引的最小值。

import numpy as np
a = np.array([1, 2, 5, 4, 5, 5])
print(a)

b_where = np.where(a == 5)
print(b_where)
print('--------')
b_argmax = a.argmax()
print(b_argmax)