通过添加
上的
与轴参数一起使用时，我无法理解argmax和argmin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])
正如您所看到的，最大值是点（1,1），最小值是点值（0,0）。因此，在我运行时的逻辑中：
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？
axis参数，NumPy可以分别查看行和列。当未给定时，阵列a被展平为单个1D阵列。
CCD_ 13意味着依次对2D阵列CCD_ 14的列执行向下的操作。
例如，np.argmin(a, axis=0)返回四列中每一列中最小值的索引。每列中的最小值显示在下面的bold中：
>>> 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意味着在a的行之间执行操作。
这意味着np.argmin(a, axis=1)返回[0, 2, 2]，因为a有三行。第一行最小值的索引为0，第二行和第三行最小值索引为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])
除非指定了轴，否则默认情况下，np.argmax函数沿扁平数组工作。要查看发生了什么，可以显式使用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
我已经对上面数组下的索引进行了编号，以使其更加清晰。请注意，在numpy中，索引是从零开始编号的。
在指定轴的情况下，它也按预期工作：
np.argmax(a,axis=0)
>>> array([1, 1, 1, 1])
此命令告诉对于axis=0（向下）上的每一列，最大值在1行（第二个值）中。如果你稍微改变一下你的数据，你可以更清楚地看到这一点：
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])
正如您所看到的，它现在标识了第0行中第1列的最大值，第1行中第2列和第3列的值，第3行中第4列的值。
文档中有一个有用的numpy索引指南。
附带说明：如果您想在整个数组中找到最大值的坐标，可以使用
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)
""" ....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.argmax(a)
5
"""np.argmax(a,axis=0) will return list of indexes of max value column-wise"""
>>print(np.argmax(a,axis=0))
[1,1,1,1]
"""np.argmax(a,axis=1) will return list of indexes of max value row-wise"""
>>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.argmin(a)
0
"""np.argmin(a,axis=0) will return list of indexes of min value column-wise"""
>>print(np.argmin(a,axis=0))
[0,0,2,2]
"""np.argmin(a,axis=0) will return list of indexes of min value row-wise"""
>>print(np.argmin(a,axis=1))
[0,2,2]
argmax函数参数中的轴是指数组将沿其切片的轴。
换句话说，np.argmin(a,axis=0)实际上与np.apply_along_axis(np.argmin, 0, a)相同，即找出这些切片向量沿轴=0的最小位置。
因此，在您的示例中，np.argmin(a, axis=0)是[0, 0, 2, 2]，它对应于各个列
[1, 2, 3, 4]的值