Numpy函数中的max, amax, argmax,where的解释

Numpy函数中的max, amax, argmax,where的解释

  注：本文用得IDLE，写了一些自己的浅显理解，如有错误，请指正

max

  np.max()和np.amax()等价函数，求得数组中的第一个最大值，ndarray和array通用，但是得不到索引值

>>> array = np.array([4, 5, 9, 10, 7, 8])
>>> np.max(array) #np.amax(array)得到得结果一样
>>> 10

>>> ndarray = np.array([[1, 2, 3, 4], [4, 3 , 2, 1], [5, 6 ,7, 8], [8, 7, 6, 5]])
>>> ndarray
array([[1, 2, 3, 4],
       [4, 3, 2, 1],
       [5, 6, 7, 8],
       [8, 7, 6, 5]])
>>> np.max(ndarray) #np.amax(ndarray)得到得结果一样
>>> 8

  多维数组可以加参数axis = 0, 1, …（当然，一维数组的axis为0）等来获得某一维度中的最大值并返回列表，如下所示：当axis = 0时获取每一列中的第一个最大值

>>> ndarray
array([[1, 2, 3, 4],
       [4, 3, 2, 1],
       [5, 6, 7, 8],
       [8, 7, 6, 5]])
>>>  # 当axis = 0，时获取每一列中的第一个最大值
>>> np.amax(ndarray, axis = 0)
>>> array([8, 7, 7, 8])
>>>  # 当axis = 1，时获取每一行中的第一个最大值
>>>> np.amax(ndarray, axis = 1)
>>> array([4, 4, 8, 8])

argmax

  获得第一个最大值的索引，切记索引从0开始，如下所示：

>>> array
>>> array([ 4,  5,  9, 10,  7,  8])
>>> np.argmax(array) 
>>> 3

  在ndarray中，要加上axis，否则python会把ndarray转化为array，得到的值为array中的第一个最大值的索引

>>> ndarray
array([[1, 2, 3, 4],
       [4, 3, 2, 1],
       [5, 6, 7, 8],
       [8, 7, 6, 5]])
>>> np.argmax(ndarray)
>>> 11

  当加上axis时：

>>> ndarray
array([[1, 2, 3, 4],
       [4, 3, 2, 1],
       [5, 6, 7, 8],
       [8, 7, 6, 5]])
>>>  # 当axis = 0，时获取每一列中的第一个最大值的索引
>>> np.argmax(ndarray, axis = 0)
>>> array([3, 3, 2, 2], dtype=int64)
>>>  # 当axis = 1，时获取每一行中的第一个最大值的索引
>>> np.argmax(ndarray, axis = 1)    
>>> array([3, 0, 3, 0], dtype=int64)

where

  where返回的是一个坐标，为元组，在一维数组中

>>> array
>>> array([ 4,  5,  9, 10,  7,  8])
>>> np.where(array == np.max(array)) 
>>> (array([3], dtype=int64),)
>>>> type(np.where(array == np.max(array)))   
>>> <class 'tuple'>

  二维数组中得到二维元组，可以通过索引来访问每一个值，tuple[0][0]为第一个值，其实和列表获取值的方式一样

>>> ndarray
array([[1, 2, 3, 4],
       [4, 3, 2, 1],
       [5, 6, 7, 8],
       [8, 7, 6, 5]])
>>> np.where(ndarray == np.max(ndarray)) 
>>> (array([2, 3], dtype=int64), array([3, 0], dtype=int64))

  当然，where的用法为np.where(condition, x, y)，当满足condition时，输出x，否则输出y，如下所示：

>>> np.where(array > 5, 1, -1)
>>> array([-1, -1,  1,  1,  1,  1])

  当没有x和y时，则输出满足condition中元素为True的坐标，第一个介绍的就是没有x，y的情况，我们可以把ndarray == np.max(ndarray)输出来看：

>>> ndarray == np.max(ndarray)
array([[False, False, False, False],
       [False, False, False, False],
       [False, False, False,  True],
       [ True, False, False, False]])

  我们可以看到有两个True，故坐标为([2, 3], [3, 0])