python之np.argmax()及對axis=0或者1的理解
對於np.argmax()讓我迷惑瞭很久,尤其是其中的axis=1的比較結果。
一、np.argmax()的理解
1、最簡單的例子
假定現在有一個數組a = [3, 1, 2, 4, 6, 1]現在要算數組a中最大數的索引是多少。最直接的思路,先假定第0個數最大,然後拿這個和後面的數比,找到大的就更新索引。代碼如下
a = [3, 1, 2, 4, 6, 1] maxindex = 0 i = 0 for tmp in a: if tmp > a[maxindex]: maxindex = i i += 1 print(maxindex)
這個問題可以幫助我們理解argmax.
2、函數的解釋
一維數組
import numpy as np a = np.array([3, 1, 2, 4, 6, 1]) print(np.argmax(a))
argmax返回的是最大數的索引.argmax有一個參數axis,默認是0,表示第幾維的最大值。
二維數組
import numpy as np a = np.array([[1, 5, 5, 2], [9, 6, 2, 8], [3, 7, 9, 1]]) print(np.argmax(a, axis=0))
為瞭描述方便,a就表示這個二維數組。np.argmax(a, axis=0)的含義是a[0][j],a[1][j],a[2]j中最大值的索引。從a[0][j]開始,最大值索引最初為(0,0,0,0),拿a[0][j]和a[1][j]作比較,9大於1,6大於5,8大於2,所以最大值索引由(0,0,0,0)更新為(1,1,0,1),再和a[2][j]作比較,7大於6,9大於5所以更新為(1,2,2,1)。
再分析下面的輸出.
import numpy as np a = np.array([[1, 5, 5, 2], [9, 6, 2, 8], [3, 7, 9, 1]]) print(np.argmax(a, axis=1))
np.argmax(a, axis=1)的含義是a[i][0],a[i][1],a[i][2],a[i]3中最大值的索引。從a[i][0]開始,a[i][0]對應的索引為(0,0,0),先假定它就是最大值索引(思路和上節簡單例子完全一致)拿a[i][0]和a[i][1]作比較,5大於1,7大於3所以最大值索引由(0,0,0)更新為(1,0,1),再和a[i][2]作比較,9大於7,更新為(1,0,2),再和a[i][3]作比較,不用更新,最終值為(1,0,2)
三維數組
import numpy as np a = np.array([ [ [1, 5, 5, 2], [9, -6, 2, 8], [-3, 7, -9, 1] ], [ [-1, 5, -5, 2], [9, 6, 2, 8], [3, 7, 9, 1] ] ]) print(np.argmax(a, axis=0))
np.argmax(a, axis=0)的含義是a[0][j][k],a[1][j][k] (j=0,1,2,k=0,1,2,3)中最大值的索引。
從a[0][j][k]開始,a[0][j][k]對應的索引為((0,0,0,0),(0,0,0,0),(0,0,0,0)),拿a[0][j][k]和a[1][j][k]對應項作比較6大於-6,3大於-3,9大於-9,所以更新這幾個位置的索引,將((0,0,0,0),(0,0,0,0),(0,0,0,0))更新為((0,0,0,0),(0,1,0,0),(1,0,1,0)).。
再看axis=1的情況
import numpy as np a = np.array([ [ [1, 5, 5, 2], [9, -6, 2, 8], [-3, 7, -9, 1] ], [ [-1, 5, -5, 2], [9, 6, 2, 8], [3, 7, 9, 1] ] ]) print(np.argmax(a, axis=1))
np.argmax(a, axis=1)的含義是a[i][0][k],a[i][1][k] (i=0,1,k=0,1,2,3)中最大值的索引。從a[i][0][k]開始,a[i][0][k]對應的索引為((0,0,0,0),(0,0,0,0)),拿a[i][0][k]和a[i][1][k]對應項作比較,9大於1,8大於2,9大於-1,6大於5,2大於-5,8大於2,所以更新這幾個位置的索引,將((0,0,0,0),(0,0,0,0))更新為((1,0,0,1),(1,1,1,1)),現在最大值對應的數組為((9,5,5,8),(9,6,2,8))。
再拿((9,5,5,8),(9,6,2,8))和a[i][2][k]對應項從比較,7大於5,7大於6,9大於2.更新這幾個位置的索引。
將((1,0,0,1),(1,1,1,1))更新為((1,2,0,1),(1,2,2,1)).axis=2的情況也是類似的。
二、關於axis的理解
設置axis的主要原因是方便我們進行多個維度的計算。
通過例子來進行理解
比如:
a = np.array([[1, 2, 3], [2, 3, 4], [5, 4, 3], [8, 7, 2]]) np.argmax(a, 0) #輸出:array([3, 3, 1] np.argmax(a, 1) #輸出:array([2, 2, 0, 0]
axis = 0:
你就這麼想,0是最大的范圍,所有的數組都要進行比較,隻是比較的是這些數組相同位置上的數(我的理解是0 列比較輸出):
a[0] = array([1, 2, 3]) a[1] = array([2, 3, 4]) a[2] = array([5, 4, 3]) a[3] = array([8, 7, 2]) # output : [3, 3, 1]
axis = 1: (行比較輸出)
等於1的時候,比較范圍縮小瞭,隻會比較每個數組內的數的大小,結果也會根據有幾個數組,產生幾個結果。
a[0] = array([1, 2, 3]) #2 a[1] = array([2, 3, 4]) #2 a[2] = array([5, 4, 3]) #0 a[3] = array([8, 7, 2]) #0
特例
這是裡面都是數組長度一致的情況,如果不一致,axis最大值為最小的數組長度-1,超過則報錯。
當不一致的時候,axis=0的比較也就變成瞭每個數組的和的比較。
比較示例如下
當數組長度都一樣時
import numpy as np a = np.array([ [ [1, 5, 5, 2], [9, -6, 2, 8], [-3, 7, -9, 1] ], [ [-1, 5, -5, 2], [9, 6, 2, 8], [3, 7, 9,1] ] ]) print(np.argmax(a, axis=0)) print(np.argmax(a, axis=1))
輸出為
[[0 0 0 0]
[0 1 0 0]
[1 0 1 0]]
[[1 2 0 1][1 2 2 1]]
當數組長度都不一樣時,
a = np.array([ [ [1, 5, 5, 2], [9, -6, 2, 8], [-3, 7, -9, 1] ], [ [-1, 5, -5, 2], [9, 6, 2, 8], [3, 7, 9] ] ]) print(np.argmax(a, axis=0)) print(np.argmax(a, axis=1))
輸出為
[0 1 1]
[1 1]
numpy 的argmax的參數axis=0/1的概念
對numpy的argmax一直記不得默認是行還是列搜索,總是用糊塗,每次都要查資料,今天突然醒悟。
先列後行,為什麼呢?
看下面的一個列表,就知道瞭。
>>b=np.array([1, 2, 3, 4, 3, 2, 1]) >>np.argmax(b) >>3 >>np.argmax(b, axis=0) >>3
默認axis=0,列表隻有一個維度,自然就是一行數據的最大數的索引。
那麼對於二維向量,隻需要記住axis是坐標軸的方向,不是行列的概念。
在Numpy庫中:
軸用來為超過一維的數組定義的屬性,二維數據擁有兩個軸:
第0軸沿著行的垂直往下,第1軸沿著列的方向水平延伸。簡單的來記就是axis=0代表往跨行(down),而axis=1代表跨列(across)。
所以axis=0代表的就是列查找,axis=1代表著行查找。
>>a = np.array([[1, 5, 5, 2], [9, 6, 2, 8], [3, 7, 9, 1]]) >>np.argmax(a,axis=0) >>array([1, 2, 2, 1], dtype=int64) >>np.argmax(a,axis=1) >>array([1, 0, 2], dtype=int64)
結論:
argmax返回的是最大數的索引。argmax有一個參數axis,默認是0,表示每一列的最大值的索引,axis=1表示每一行的最大值的索引。
以上為個人經驗,希望能給大傢一個參考,也希望大傢多多支持WalkonNet。
推薦閱讀:
- 深入理解numpy中argmax的具體使用
- Python Numpy教程之排序,搜索和計數詳解
- 淺談numpy.where() 的用法和np.argsort()的用法說明
- Python Numpy中ndarray的常見操作
- python數據分析Numpy庫的常用操作