python

关注公众号 jb51net

关闭
首页 > 脚本专栏 > python > Python np.argmax()函数

Python中np.argmax()函数用法示例

作者:m0_64931900

np.argmax是用于取得数组中每一行或者每一列的的最大值,常用于机器学习中获取分类结果、计算精确度等,下面这篇文章主要给大家介绍了关于Python中np.argmax()函数用法的相关资料,需要的朋友可以参考下

前言

np.argmax是用于取得数组中每一行或者每一列的的最大值。常用于机器学习中获取分类结果、计算精确度等。

函数:numpy.argmax(array, axis)

array:代表输入数组;axis:代表对array取行(axis=0)或列(axis=1)的最大值。

一、一维数组的用法

x = np.arange(12)                    # [ 0  1  2  3  4  5  6  7  8  9 10 11]
index = np.argmax(x)                 
print("1 dimension test:",index)     # 11

运算后,降一维,成为一个数值,11的索引值维11,所以运算结果为:11

二、二维数组的用法

# 0代表对行进行最大值选取,此时对每一列进行操作
x = np.arange(12).reshape(3,4)
print(x)
index = np.argmax(x,axis = 0)
print("2 dimension test, axis = 0:",index)
 
# 输出结果:
# x:[[ 0  1  2  3]
#     [ 4  5  6  7]
#     [ 8  9 10 11]]
# 2 dimension test, axis = 0:[2 2 2 2]
 
# 1代表对列进行最大值选取,此时对每一行进行操作
x = np.arange(12).reshape(3,4)
index = np.argmax(x,axis = 1)
print("2 dimension test, axis = 1:",index)
 
# 输出结果:
# 2 dimension test, axis = 1:[3 3 3]

(1)遵循运算之后降一维的原则,因此返回的会是一个一维的array。

(2)函数返回的是最大值的索引,而不是最大值本身。

(3)另一种理解思路:0:外层;1:内层。axis的取值为0和1,剥掉对应的中括号,将里面的内容直接按逗号分隔。

:x=[[ 0  1  2  3][ 4  5  6  7][ 8  9 10 11]]是一个(3,4)的矩阵,当axis=0时,剥掉3,返回一个(1,3)的矩阵;在axis=1时,剥掉4,返回一个(1,3)的矩阵。

:当axis=0时,剥掉外层---->[0 1  2   3]
                                                  [4 5  6  7 ]
                                                  [8 9 10 11]

[argmax(0,4,8), argmax(1,5,9), argmax(2,6,10),argmax(3,7,11)]
# 输出:[2,2,2,2]

        当axis=1时,剥掉内层---->[0 1  2   3
                                                   4 5  6   7 
                                                   8 9 10 11] 

[argmax(0,1,2,3), argmax(4,5,6,7), argmax(8,9,10,11)],
# 输出:[3,3,3]

三、三维数组的用法

一个m×n×p维的矩阵:

# 三维向量测试
# 0代表进入第一个[]内进行对比
x = np.arange(24).reshape(2,3,4)
x[1,0,3] = 1
# x =
# [[[ 0  1  2  3]
#   [ 4  5  6  7]
#   [ 8  9 10 11]]
 
#  [[12 13 14  1]
#   [16 17 18 19]
#   [20 21 22 23]]]
index = np.argmax(x,axis = 0)
print("3 dimension test, axis = 0:",index)
# 当axis=0时,进入第一个[]内进行对比,此时x剩下两部分。
#  [[ 0  1  2  3]
#   [ 4  5  6  7]
#   [ 8  9 10 11]]
 
#  [[12 13 14  1]
#   [16 17 18 19]
#   [20 21 22 23]]
# 两部分格式相同,将剩下的两部分每一个单位进行对比,对比结果为
#  [[1  1  1  0]
#   [1  1  1  1]
#   [1  1  1  1]]
# 除去我设置的特殊位置外,其他位置均为第二部分大。
 
# 三维向量测试
# 1代表进入第二个[]内进行对比
# x =
# [[[ 0  1  2  3]
#   [ 4  5  6  7]
#   [ 8  9 10 11]]
 
#  [[12 13 14  1]
#   [16 17 18 19]
#   [20 21 22 23]]]
index = np.argmax(x,axis = 1)
print("3 dimension test, axis = 1:",index)
# 当axis=1时,进入第二个[]内进行对比。
# [ [ 0  1  2  3]
#   [ 4  5  6  7]
#   [ 8  9 10 11]
 
#   [12 13 14  1]
#   [16 17 18 19]
#   [20 21 22 23] ]
# 对于第二个[]内的内容而言,均剩下三部分,我特意将两个第二个[]内的内容分开更容易辨认
# 第一个是
#   [ 0  1  2  3]
#   [ 4  5  6  7]
#   [ 8  9 10 11]
# 第二个是
#   [12 13 14  1]
#   [16 17 18 19]
#   [20 21 22 23]
# 都是第三行的值最大,所以输出结果为
#  [[ 2  2  2  2]
#   [ 2  2  2  2]]
 
# 三维向量测试
# 2代表进入第三个[]内进行对比
x = np.arange(24).reshape(2,3,4)
x[1,0,3] = 1
# x =
# [[[ 0  1  2  3]
#   [ 4  5  6  7]
#   [ 8  9 10 11]]
 
#  [[12 13 14  1]
#   [16 17 18 19]
#   [20 21 22 23]]]
index = np.argmax(x,axis = 2)
print("3 dimension test, axis = 2:",index)
# 当axis=2时,进入第三个[]内进行对比。
# [[  0  1  2  3
#     4  5  6  7
#     8  9 10 11 ]
#  [ 12 13 14  1
#    16 17 18 19
#    20 21 22 23 ]]
# 对于第三个[]内的内容而言,均剩下四部分,我特意将六个第三个[]内的内容分开更容易辨认
# 第一个是
# 0  1  2  3
# 第二个是
# 4  5  6  7
# ……
# 最后对比结果为
#  [[ 3  3  3 ]
#   [ 2  3  3 ]]
参考:

numpy模块中axis的理解——以np.argmax为例

【Python数据清洗】np.argmax()函数用法解析

总结 

到此这篇关于Python中np.argmax()函数用法的文章就介绍到这了,更多相关Python np.argmax()函数内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

您可能感兴趣的文章:
阅读全文