Python中np.argmax()函数用法示例
m0_64931900 人气:0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。
例: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。
析: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:
- axis为0,舍去m,返回一个 n×p 维的矩阵
- axis为1,舍去n,返回一个 m×p 维的矩阵
- axis为2,舍去p,返回一个 m×n 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:
总结
加载全部内容