numpy：argmin（）和argmax（）函数的逻辑是什么？

Question

我无法理解argmax和argmin与axis参数一起使用时的输出。例如：

>>> a = np.array([[1,2,4,7], [9,88,6,45], [9,76,3,4]])
>>> a
array([[ 1,  2,  4,  7],
       [ 9, 88,  6, 45],
       [ 9, 76,  3,  4]])
>>> a.shape
(3, 4)
>>> a.size
12
>>> np.argmax(a)
5
>>> np.argmax(a,axis=0)
array([1, 1, 1, 1])
>>> np.argmax(a,axis=1)
array([3, 1, 1])
>>> np.argmin(a)
0
>>> np.argmin(a,axis=0)
array([0, 0, 2, 2])
>>> np.argmin(a,axis=1)
array([0, 2, 2])

如您所见，最大值是点（1,1），最小值是点（0,0）。因此，按照我的逻辑，当我运行时：

• np.argmin(a,axis=0) 我期望 array([0,0,0,0])
• np.argmin(a,axis=1) 我期望 array([0,0,0])
• np.argmax(a,axis=0) 我期望 array([1,1,1,1])
• np.argmax(a,axis=1) 我期望 array([1,1,1])

我对事物的理解有什么问题？

Answer 1

通过添加axis参数，NumPy分别查看行和列。如果未指定，则将数组展a平为单个一维数组。

axis=0表示该操作依次在2D数组的列中 向下 执行a。

例如，np.argmin(a, axis=0)返回四列中每一列的最小值的索引。每列中的最小值在下面以 粗体显示 ：

>>> a
array([[ **1** ,  **2** ,  4,  7],  # 0
       [ 9, 88,  6, 45],  # 1
       [ 9, 76,  **3** ,  **4** ]]) # 2

>>> np.argmin(a, axis=0)
array([0, 0, 2, 2])

另一方面，axis=1表示该操作 跨 的行执行a。

这意味着np.argmin(a, axis=1)返回，[0, 2, 2]因为a有三行。第一行的最小值的索引为0，第二行和第三行的最小值的索引为2：

>>> a
#        0   1   2   3
array([[ **1** ,  2,  4,  7],
       [ 9, 88,  **6** , 45],
       [ 9, 76,  **3** ,  4]])

>>> np.argmin(a, axis=1)
array([0, 2, 2])