python中的np.argmax() 返回最大值索引号

看代码吧~

import numpy as np
a = np.array([[2, 4, 6, 1], [1, 5, 2, 9]])
print(np.argmax(a))
print(np.argmax(a, axis=0))  #竖着比较,返回行号
print(np.argmax(a, axis=1))  #横着比较,返回列号

输出:

7
[0 1 0 1]
[2 3]

Python np.argmax()的用法

用法:求的是最大值对应的索引

案例如下

以上为个人经验,希望能给大家一个参考,也希望大家多多支持我们。

(0)

相关推荐

  • 浅谈numpy.where() 的用法和np.argsort()的用法说明

    numpy.where() 有两种用法: 1. np.where(condition, x, y) 满足条件(condition),输出x,不满足输出y. 如果是一维数组,相当于[xv if c else yv for (c,xv,yv) in zip(condition,x,y)] >>> aa = np.arange(10) >>> np.where(aa,1,-1) array([-1, 1, 1, 1, 1, 1, 1, 1, 1, 1]) # 0为False,

  • Python 实现Numpy中找出array中最大值所对应的行和列

    Python特别灵活,肯定方法不止一种,这里介绍一种我觉得比较简单的方法. 如下图,使用x == np.max(x) 获得一个掩模矩阵,然后使用where方法即可返回最大值对应的行和列. where返回一个长度为2的元组,第一个元素保存的是行号,第二个元素保存的是列号. 以上这篇Python 实现Numpy中找出array中最大值所对应的行和列就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持我们.

  • 详解numpy的argmax的具体使用

    从最简单的例子出发 假定现在有一个数组a = [3, 1, 2, 4, 6, 1]现在要算数组a中最大数的索引是多少.这个问题对于刚学编程的同学就能解决.最直接的思路,先假定第0个数最大,然后拿这个和后面的数比,找到大的就更新索引.代码如下 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) 这个问题虽然简单.但是可以帮助

  • python中找出numpy array数组的最值及其索引方法

    在list列表中,max(list)可以得到list的最大值,list.index(max(list))可以得到最大值对应的索引 但在numpy中的array没有index方法,取而代之的是where,其又是list没有的 首先我们可以得到array在全局和每行每列的最大值(最小值同理) >>> a = np.arange(9).reshape((3,3)) >>> a array([[0, 1, 2], [9, 4, 5], [6, 7, 8]]) >>&

  • python中的np.argmax() 返回最大值索引号

    看代码吧~ import numpy as np a = np.array([[2, 4, 6, 1], [1, 5, 2, 9]]) print(np.argmax(a)) print(np.argmax(a, axis=0)) #竖着比较,返回行号 print(np.argmax(a, axis=1)) #横着比较,返回列号 输出: 7 [0 1 0 1] [2 3] Python np.argmax()的用法 用法:求的是最大值对应的索引 案例如下 以上为个人经验,希望能给大家一个参考,也

  • python中使用np.delete()的实例方法

    在python列表中,如果我们想要删除一个或者连续几个元素,可以使用del()方法,在numpy数组,如果想要删除元素,可以使用numpy.delete()方法,但是numpy数组不支持删除数组元素,numpy.delete() 返回删除了某些元素的新数组. 1.np.delete()方法 numpy.delete()适用于numpy ndarray数组. 但是numpy数组不支持删除数组元素,numpy.delete() 返回删除了某些元素的新数组. 2.使用语法 numpy.delete(a

  • python中pandas操作apply返回多列的实现

    目录 apply 返回多列 生成新列 多行操作举例 我们可以用DataFrame的apply函数实现对多列,多行的操作. 需要记住的是,参数axis设为1是对列进行操作,参数axis设为0是对行操作.默认是对行操作. apply 返回多列 # height = [70, 90, 100, 120, 140, 160, 180, 200,220,240, 260] # 长度为 11 # df.shape   (1000, 11) # 对df的每一行的每一个元素操作,然后再返回多列 #-------

  • Python 中的参数传递、返回值、浅拷贝、深拷贝

    1. Python 的参数传递 Python的参数传递,无法控制引用传递还是值传递.对于不可变对象(数字.字符.元组等)的参数,更类似值传递:对于可变对象(列表.字典等),更类似引用传递. def fun1(n): print(n) # n在没修改前,指向的地址和main函数中n指向的地址相同 n = 20 # n在修改后,指向的地址发生改变,相当于新建了一个值为20的参数n def fun2(l): print(l) # l在没修改前,指向的地址和main函数中l指向的地址相同 l = [5,

  • 在Python中append以及extend返回None的例子

    Python中,列表是可以进行修改的:赋值.删除元素.分片等等.在给列表添加元素时,有两个常见的方法:append和extend.append在列表的最后添加元素,但是每次只能添加一个元素.extend更像一个连接操作,即用一个列表扩充另一个列表.(依然在末尾位置) 在实现这两个方法时,出现结果为None的情况,如下: list1 = ['a','b'] print(list1.append('c')) print(list1.extend('d')) list2 = list1.append(

  • Python中三个不可思议的返回功能分享

    目录 第一个:神奇的字典键 第二个:异常处理中的return 第三个:相同对象的判断 总结 第一个:神奇的字典键 some_dict = {} some_dict[5.5] = "Ruby" some_dict[5.0] = "JavaScript" some_dict[5] = "Python" Output: >>> some_dict[5.5] "Ruby" >>> some_dict

  • Python中的np.argmin()和np.argmax()函数用法

    Python np.argmin()和np.argmax()函数 按照axis的要求返回最小的数/最大的数的下标 numpy.argmin(a, axis=None, out=None) numpy.argmax(a, axis=None, out=None) a:传入一个数组, axis:默认将输入数组展平,否则,按照axis方向 out:可选 import numpy as np a = np.arange(6).reshape(2, 3) a array([[0, 1, 2], [3, 4

  • Python中的min及返回最小值索引的操作

    1.Python的min函数返回列表中的最小的项. 2.如何返回列表中最小的项的索引? def indexofMin(arr): minindex = 0 currentindex = 1 while currentindex < len(arr): if arr[currentindex] < arr[minindex]: minindex = currentindex currentindex += 1 return minindex arr = [3,5,2,1] print(index

  • Python中使用items()方法返回字典元素对的教程

    items()方法返回字典的(键,值)元组对的列表 语法 以下是items()方法的语法: dict.items() 参数 NA 返回值 此方法返回元组对的列表. 例子 下面的例子显示了items()方法的使用. #!/usr/bin/python dict = {'Name': 'Zara', 'Age': 7} print "Value : %s" % dict.items() 当我们运行上面的程序,它会产生以下结果: Value : [('Age', 7), ('Name', '

  • Python中的np.random.seed()随机数种子问题及解决方法

    目录 1. 何为随机数种子 2. np.random.seed()参数问题 3. 使用方法 4. 随机数种子问题总结 前言: 最近在学习过程中总是遇到np.random.seed()这个问题,刚开始总是觉得不过是一个简单的随机数种子,就没太在意,后来遇到的次数多了,才发现他竟然是如此之用处之大!接下来我就把我所学到的关于np.random.seed()的知识分享给大家! 1. 何为随机数种子 随机数种子,相当于我给接下来需要生成的随机数一个初值,按照我给的这个初值,按固定顺序生成随机数.读到这,

随机推荐