深入理解numpy中argmax的具體使用
一、基本介紹
numpy中的argmax簡而言之就是返回最大值的索引，當使用np.argmax(axis)，這里方向axis的指定往往讓人不理解。
簡而言之：這里axis可以讓我們從行、列、或者是深度方向來看一個高維數(shù)組。
二、代碼實驗
1、一維數(shù)組情況
簡單一維情況，np.argmax()直接返回最大值的索引，不指定axis可以認為是將數(shù)組拉平之后尋找最大值的索引
1.1、axis=0
當我們指定axis=0時，其實是在列中作比較，尋找最大的行的索引
當然對于這個一維情況沒有什么影響。
1.2、axis=1
當我們指定axis=1的時候報錯了，這是因為我們的a是一維數(shù)組，沒有axis=1這個軸，可見當我們使用np.argmax()時axis的指定不能超過所需要排序的數(shù)組
2、二維數(shù)組情況
不指定axis就是相當于把二維數(shù)組拉平，直接選取最大值的索引
2.1、axis=0
指定axis=0就是比較列，返回行索引中的最大值
我們改寫一個b中的元素，我們期望的結果是[2,2,1,2]
實際結果和我們期望相符合
2.2、axis=1
指定axis=0就是比較行，返回列索引中的最大值
3、三維數(shù)組情況
一個三維數(shù)組可以視作一張圖片，它的三個維度分別為(high, width, channels) 分別表示圖像的高、寬、通道數(shù)(深度)。常見的彩色圖像都有三個通道，我們以常見的RGB圖像為例構建一個數(shù)組。
直接使用np.argmax()，就是之間將三維數(shù)組拉平，尋找最大值的索引
3.1、axis=0
單獨查看c的三個通道的數(shù)據(jù)，如圖所示
對于三個通道取axis=0意味分別比較列返回行的最大值索引
我們期望的返回值應該是[[1,1,1,],[1,1,1],[1,1,1]]，實際的結果和我們的期望一致
3.2、axis=1
對于三個通道取axis=1意味分別比較行返回列的最大值索引
我們期望的結果是[[2, 2, 2],[2, 2, 2],[2, 2, 2],[2, 2, 2]],，實際的結果和我們的期望一致
3.3、axis=2
取axis=2意味著我們從圖像的深度方向(通道方向)來進行比較，可以認為三個數(shù)組的疊在一起的，分別對應channel0，channel1，channel2而我們取最大值的索引就是返回對應pixel像素所在的通道索引。
c的channel2所有的像素值均大于其他兩個channel所有返回值應該是[[2,2,2,],[2,2,2,],[2,2,2,],[2,2,2,]]，實際結果和我的期望一致
3.4、axis=-1
axis=-1即是反過來看軸，對于三維情況axis=-1和axis=2一致
其他：
對于二維情況axis=-1和anxis=1一致
對于一維情況axis=0和anxis=-1一致
四、Reference
https://blog.csdn.net/weixin_39190382/article/details/105854567
https://www.cnblogs.com/zhouyang209117/p/6512302.html
PS：補充
1.對一個一維向量
import numpy as np a = np.array([3, 1, 2, 4, 6, 1]) b=np.argmax(a)#取出a中元素最大值所對應的索引，此時最大值位6，其對應的位置索引值為4，（索引值默認從0開始） print(b)#4
2.對2維向量（通常意義下的矩陣）a[][]
import numpy as np a = np.array([[1, 5, 5, 2], ? ? ? ? ? ? ? [9, 6, 2, 8], ? ? ? ? ? ? ? [3, 7, 9, 1]]) b=np.argmax(a, axis=0)#對二維矩陣來講a[0][1]會有兩個索引方向，第一個方向為a[0]，默認按列方向搜索最大值 #a的第一列為1，9，3,最大值為9，所在位置為1， #a的第一列為5，6，7,最大值為7，所在位置為2， #此此類推，因為a有4列，所以得到的b為1行4列， print(b)#[1 2 2 1] ? c=np.argmax(a, axis=1)#現(xiàn)在按照a[0][1]中的a[1]方向，即行方向搜索最大值， #a的第一行為1，5，5，2,最大值為5（雖然有2個5，但取第一個5所在的位置），索引值為1， #a的第2行為9，6，2，8,最大值為9，索引值為0， #因為a有3行，所以得到的c有3個值，即為1行3列 print(c)#[1 0 2]
3.對于三維矩陣a[0][1][2],情況最為復制，但在lstm中應用最廣
import numpy as np a = np.array([ ? ? ? ? ? ? ? [ ? ? ? ? ? ? ? ? ? [1, 5, 5, 2], ? ? ? ? ? ? ? ? ? [9, -6, 2, 8], ? ? ? ? ? ? ? ? ? [-3, 7, -9, 1] ? ? ? ? ? ? ? ], ? ? ? ? ? ? ? ? [ ? ? ? ? ? ? ? ? ? [-1, 7, -5, 2], ? ? ? ? ? ? ? ? ? [9, 6, 2, 8], ? ? ? ? ? ? ? ? ? [3, 7, 9, 1] ? ? ? ? ? ? ? ], ? ? ? ? ? ? [ ? ? ? ? ? ? ? ? ? [21, 6, -5, 2], ? ? ? ? ? ? ? ? ? [9, 36, 2, 8], ? ? ? ? ? ? ? ? ? [3, 7, 79, 1] ? ? ? ? ? ? ? ] ? ? ? ? ? ? ]) b=np.argmax(a, axis=0)#對于三維度矩陣，a有三個方向a[0][1][2] #當axis=0時，是在a[0]方向上找最大值，即兩個矩陣做比較，具體 #(1)比較3個矩陣的第一行，即拿[1, 5, 5, 2], # ? ? ? ? ? ? ? ? ? ? ? ? [-1, 7, -5, 2], # ? ? ? ? ? ? ? ? ? ? ? ? [21, 6, -5, 2], #再比較每一列的最大值在那個矩陣中，可以看出第一列1，-2，21最大值為21，在第三個矩陣中，索引值為2 #第2列5，7，6最大值為7，在第2個矩陣中，索引值為1.....，最終得出比較結果[2 1 0 0] #再拿出三個矩陣的第二行，按照上述方法，得出比較結果 [0 2 0 0] #一共有三個，所以最終得到的結果b就為3行4列矩陣 print(b) #[[0 0 0 0] ?#[0 1 0 0] ?#[1 0 1 0]] ? c=np.argmax(a, axis=1)#對于三維度矩陣，a有三個方向a[0][1][2] #當axis=1時，是在a[1]方向上找最大值，即在列方向比較，此時就是指在每個矩陣內部的列方向上進行比較 #(1)看第一個矩陣 ? ? ? ? ? ? ? ? ? # [1, 5, 5, 2], ? ? ? ? ? ? ? ? ? # [9, -6, 2, 8], ? ? ? ? ? ? ? ? ? # [-3, 7, -9, 1] #比較每一列的最大值，可以看出第一列1，9，-3最大值為9，，索引值為1 #第2列5，-6，7最大值為7，，索引值為2 # 因此對第一個矩陣，找出索引結果為[1，2，0,1] #再拿出2個，按照上述方法，得出比較結果 [1 0 2 1] #一共有三個，所以最終得到的結果b就為3行4列矩陣 print(c) #[[1 2 0 1] ?# [1 0 2 1] ?# [0 1 2 1]] ? d=np.argmax(a, axis=2)#對于三維度矩陣，a有三個方向a[0][1][2] #當axis=2時，是在a[2]方向上找最大值，即在行方向比較，此時就是指在每個矩陣內部的行方向上進行比較 #(1)看第一個矩陣 ? ? ? ? ? ? ? ? ? # [1, 5, 5, 2], ? ? ? ? ? ? ? ? ? # [9, -6, 2, 8], ? ? ? ? ? ? ? ? ? # [-3, 7, -9, 1] #尋找第一行的最大值，可以看出第一行[1, 5, 5, 2]最大值為5，，索引值為1 #第2行[9, -6, 2, 8],最大值為9，，索引值為0 # 因此對第一個矩陣，找出行最大索引結果為[1，0，1] #再拿出2個矩陣，按照上述方法，得出比較結果 [1 0 2 1] #一共有三個，所以最終得到的結果d就為3行3列矩陣 print(d) # [[1 0 1] # ?[1 0 2] # ?[0 1 2]] ################################################################### #最后一種情況，指定矩陣a[0, -1, :]，第一個數(shù)字0代表取出第一個矩陣（從前面可以看出a有3個矩陣）為 # [1, 5, 5, 2], # [9, -6, 2, 8], # [-3, 7, -9, 1] #第二個數(shù)字“-1”代表拿出倒數(shù)第一行，為 # [-3, 7, -9, 1] #這一行的最大索引值為1 ? # ，-1，代表最后一行 m=np.argmax(a[0, -1, :]) print(m)#1 ? #h,取a的第2個矩陣 # [-1, 7, -5, 2], # [9, 6, 2, 8], # [3, 7, 9, 1] #的第3行 # [3, 7, 9, 1] #的最大值為9，索引為2 h=np.argmax(a[1, 2, :]) print(h)#2 ? g=np.argmax(a[1,:, 2])#g,取出矩陣a，第2個矩陣的第3列為-5，2，9,最大值為9，索引為2 print(g)#2
到此這篇關于深入理解numpy中argmax的具體使用的文章就介紹到這了,更多相關numpy argmax內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
本文是此次python從入門到精通系列文章的第一篇，給大家匯總一下常用的Python的基礎知識，非常的簡單，但是很全面，有需要的小伙伴可以參考下2015-12-12
Django 模板是使用 Django 模板語言標記的一個文本文檔或Python字符串。模板引擎可以識別和解釋一些構造。主要是變量和標簽。模板是通過上下文來渲染的。渲染用變量的值替換變量，變量的值在上下文中查找，并執(zhí)行標簽。其他的一切都按原樣輸出2022-10-10
這篇文章主要介紹了Python Merge函數(shù)原理及用法解析,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-09-09
這篇文章主要給大家介紹了關于利用Python如何批量更新服務器文件的相關資料，文中通過示例代碼介紹的非常詳細，對大家學習或者使用python具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2018-07-07
Python的pytest測試框架中fixture的使用詳解
這篇文章主要介紹了pytest中fixture的使用詳解,pytest是一個非常成熟的全功能的Python測試框架，能夠支持簡單的單元測試和復雜的功能測試，還可以用來做selenium/appnium等自動化測試、接口自動化測試,需要的朋友可以參考下2023-07-07
本文主要介紹了Python使用win32com.client的方法示例，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2023-02-02
Matplotlib是Python中最受歡迎的數(shù)據(jù)可視化軟件包之一，它是?Python常用的2D繪圖庫，同時它也提供了一部分3D繪圖接口。本文將詳細介紹Matplotlib的繪圖方式，需要的可以參考一下2022-07-07
python GUI庫圖形界面開發(fā)之PyQt5下拉列表框控件QComboBox詳細使用方法與實例
這篇文章主要介紹了python GUI庫圖形界面開發(fā)之PyQt5下拉列表框控件QComboBox詳細使用方法與實例,需要的朋友可以參考下2020-02-02
Python 限制線程的最大數(shù)量的方法(Semaphore)
今天小編就為大家分享一篇Python 限制線程的最大數(shù)量的方法(Semaphore)，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-02-02
這篇文章主要介紹了Python 堆疊柱狀圖繪制方法，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2019-07-07