Numpy: какова логика функций argmin() и argmax()?

Ответ 1

Добавляя аргумент axis, NumPy просматривает строки и столбцы отдельно. Когда он не задан, массив a сглаживается в один 1D-массив.

axis=0 означает, что операция выполняется по столбцам двумерного массива a по очереди.

Например, np.argmin(a, axis=0) возвращает индекс минимального значения в каждом из четырех столбцов: минимальное значение первого столбца находится в индексе 0, минимальное значение третьего столбца - в индексе 2 и т.д.

axis=1 означает, что операция выполняется по строкам a.

Итак np.argmin(a, axis=1) возвращает [0, 2, 2], потому что a имеет три строки. Индекс минимального значения в первой строке равен 0, индекс минимального значения второй строки равен 2 и т.д.

Ответ 2

Функция np.argmax по умолчанию работает вдоль сплющенного массива, если вы не указали ось. Чтобы увидеть, что происходит, вы можете явно использовать flatten:

np.argmax(a)
>>> 5

a.flatten()
>>>> array([ 1,  2,  4,  7,  9, 88,  6, 45,  9, 76,  3,  4])
             0   1   2   3   4   5 

Я пронумеровал индексы в массиве выше, чтобы сделать его более понятным. Обратите внимание, что индексы нумеруются с нуля в numpy.

В тех случаях, когда вы указываете ось, она также работает как ожидалось:

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

Это говорит о том, что наибольшее значение находится в строке 1 (второе значение) для каждого столбца вдоль axis=0 (вниз). Вы можете увидеть это более четко, если вы немного измените свои данные:

a=np.array([[100,2,4,7],[9,88,6,45],[9,76,3,100]])
a
>>> array([[100,   2,   4,   7],
           [  9,  88,   6,  45],
           [  9,  76,   3, 100]])

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

Как вы теперь видите, оно идентифицирует максимальное значение в строке 0 для столбца 1, строки 1 для столбцов 2 и 3 и строки 3 для столбца 4.

Существует полезное руководство по индексированию numpy в документации.

Ответ 3

В качестве побочного примечания: если вы хотите найти координаты своего максимального значения в полном массиве, вы можете использовать

a=np.array([[1,2,4,7],[9,88,6,45],[9,76,3,4]])
>>> a
[[ 1  2  4  7]
 [ 9 88  6 45]
 [ 9 76  3  4]]

c=(np.argmax(a)/len(a[0]),np.argmax(a)%len(a[0]))
>>> c
(1, 1)

Ответ 4

Ось в аргументе функции argmax относится к оси, вдоль которой будет нарезана матрица.

В другом слове np.argmin(a,axis=0) фактически совпадает с np.apply_along_axis(np.argmin, 0, a), то есть для определения минимального местоположения для этих нарезанных векторов вдоль оси = 0.

Поэтому в вашем примере np.argmin(a, axis=0) есть [0, 0, 2, 2], который соответствует значениям [1, 2, 3, 4] в соответствующих столбцах

Ответ 5

""" ....READ THE COMMENTS FOR CLARIFICATION....."""

import numpy as np
a = np.array([[1,2,4,7], [9,88,6,45], [9,76,3,4]])

"""np.argmax(a) will give index of max value in flatted array of given matrix """
>>np.arg(max)
5

"""np.argmax(a,axis=0) will return list of indexes of  max value coloumnwise"""
>>print(np.argmax(a,axis=0))
[1,1,1,1]

"""np.argmax(a,axis=1) will return list of indexes of  max value rowwise"""
>>print(np.argmax(a,axis=1))
[3,1,1]

"""np.argmin(a) will give index of min value in flatted array of given matrix """
>>np.arg(min)
0

"""np.argmin(a,axis=0) will return list of indexes of  min value coloumnwise"""
>>print(np.argmin(a,axis=0))
[0,0,2,2]

"""np.argmin(a,axis=0) will return list of indexes of  min value rowwise"""
>>print(np.argmin(a,axis=1))
[0,2,2]