numpy.argmin#

numpy.argmin(a, axis=None, out=None, *, keepdims=<no value>)[源代码]#

返回沿某个轴的最小值的索引.

参数:
aarray_like

输入数组.

axisint, 可选

默认情况下,索引是针对展平的数组,否则沿着指定的轴.

out数组, 可选

如果提供,结果将被插入到这个数组中.它应该是适当的形状和数据类型.

keepdimsbool, 可选

如果设置为 True,被减少的轴将作为尺寸为1的维度保留在结果中.使用此选项,结果将正确地与数组广播.

在 1.22.0 版本加入.

返回:
index_arrayint 的 ndarray

数组的索引数组.它与 a.shape 具有相同的形状,但沿 axis 的维度被移除.如果 keepdims 设置为 True,则 axis 的大小将为 1,结果数组将具有与 a.shape 相同的形状.

参见

ndarray.argmin, argmax
amin

沿给定轴的最小值.

unravel_index

将一个平面索引转换为索引元组.

take_along_axis

应用 np.expand_dims(index_array, axis) 从 argmin 到一个数组,就像调用 min 一样.

备注

在最小值多次出现的情况下,返回与第一次出现相对应的索引.

示例

>>> import numpy as np
>>> a = np.arange(6).reshape(2,3) + 10
>>> a
array([[10, 11, 12],
       [13, 14, 15]])
>>> np.argmin(a)
0
>>> np.argmin(a, axis=0)
array([0, 0, 0])
>>> np.argmin(a, axis=1)
array([0, 0])

N 维数组的最小元素的索引:

>>> ind = np.unravel_index(np.argmin(a, axis=None), a.shape)
>>> ind
(0, 0)
>>> a[ind]
10

>>> b = np.arange(6) + 10
>>> b[4] = 10
>>> b
array([10, 11, 12, 13, 10, 15])
>>> np.argmin(b)  # Only the first occurrence is returned.
0

>>> x = np.array([[4,2,3], [1,0,3]])
>>> index_array = np.argmin(x, axis=-1)
>>> # Same as np.amin(x, axis=-1, keepdims=True)
>>> np.take_along_axis(x, np.expand_dims(index_array, axis=-1), axis=-1)
array([[2],
       [0]])
>>> # Same as np.amax(x, axis=-1)
>>> np.take_along_axis(x, np.expand_dims(index_array, axis=-1),
...     axis=-1).squeeze(axis=-1)
array([2, 0])

将 keepdims 设置为 True,

>>> x = np.arange(24).reshape((2, 3, 4))
>>> res = np.argmin(x, axis=1, keepdims=True)
>>> res.shape
(2, 1, 4)
On this page