numpy中的argmax和max

import numpy as np
a = np.array([[2,4,6,1],[1,5,2,9]])
print(a)

# 不加axis，将输入认为是一唯
b = np.argmax(a)
print(b)

# axis=0 行压缩，不同行相同列找到相同列下不同行的最大索引
b = np.argmax(a, axis=0)
print(b)
# axis=1 列压缩，不同列相同行
b = np.argmax(a, axis=1)
print(b)
# 最后一个维度压缩
b = np.argmax(a, axis=-1)
print(b)

得到结果为

[[2 4 6 1]
 [1 5 2 9]]
 
7

[0 1 0 1]

[2 3]

[2 3]

我们可以这样理解axis的作用，就理解它是维度上的压缩，在三维数组中，如下维度分布，axis及表示下面的维度，axis=0就表示第0维度，就表示将该维度的长度压缩为1。比如这里是个3 * 3 * 3的立方体，我我们将axis为2，就表示压缩第2维度，压缩的结果就为一个3 * 3* 1的矩阵，第2维度上是该维度最大值的索引