- 简介
numpy.argmax(array, axis) 用于返回一个numpy数组中最大值的索引值。当一组中同时出现几个最大值时,返回第一个最大值的索引值。 
在运算时,相当于剥掉一层中括号,返回一个数组,分为一维和多维。一维数组剥掉一层中括号之后就成了一个索引值,是一个数,而n维数组剥掉一层中括号后,会返回一个 n-1 维数组,而剥掉哪一层中括号,取决于axis的取值。
n维的数组的 axis 可以取值从 0 到 n-1,其对应的括号层数为从最外层向内递进,详见后文。
一、一维数组的用法
one_dim_array= np.array([1,4,5,3,7,2,6])print(np.argmax(one_dim_array))1
 2
 运算后,降一维,成为一个数值,7的索引值维4,所以运算结果:
4
 1
 二、多维数组的用法
- 二维
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。同时,axis的取值为0和1,对应剥掉的中括号,将里面的内容直接按逗号分隔:
0 —— 外层
1 —— 内层 
举例如下:
two_dim_array= np.array([[1,3,5],[0,4,3]])
max_index_axis0= np.argmax(two_dim_array, axis=0)
max_index_axis1= np.argmax(two_dim_array, axis=1)print(max_index_axis0)print(max_index_axis1)1
 2
 3
 4
 5
 输出结果
[0 1 0]
 [2 1]
 1
 2
 这里的two_dim_array是一个 2×3 的矩阵,对应axis为:
 array axis
 2 —— 0
 3 —— 1
 所以,在axis为0时,剥掉2,返回一个1×3的数组;在axis为1时,剥掉3,返回一个1×2的数组
two_dim_array = np.array([[1, 3, 5], [0, 4, 3]])
 max_index_axis0 = np.argmax(two_dim_array, axis = 0)
 “”"
 在axis为0时,0层括号置外面提出来,0 层内按 “,” 换行对齐,
 [[1, 3, 5],
 [0, 4, 3]]
 分别对已经对齐的元素按照 0 层括号外面的逗号分组,这里的
 [1, 3, 5],
 [0, 4, 3]
 0 层外面没有逗号,因此是一组
 然后按列比较大小即可,返回值为
[argmax(1,0), argmax(3,4), argmax(5,3)]:[0, 1, 0]
 “”"
 1
 2
 3
 4
 5
 6
 7
 8
 9
 10
 11
 12
 13
 14
 同样的思路可以用在axis为1时
max_index_axis1= np.argmax(two_dim_array, axis=1)“”"
 在axis为1时,则从外向内 1 层的中括号,提出来,1层内按 “,” 换行对齐
 [[1,
 3,
 5],
 [0,
 4,
 3]]
 分别对已经对齐的元素按照 1 层外逗号分组,[1,3,5]一组,[0.4.3]一组。
 每组元素进行比较,将 1 层括号变成argmax()
[argmax(1,3,5),
 argmax(0,4,3)]返回值为
 [2,
 1]
 “”"
 1
 2
 3
 4
 5
 6
 7
 8
 9
 10
 11
 12
 13
 14
 15
 16
 17
 18
 2. 高维
 以三维为例,计算思路与二维相同。
三维计算之后降维,将返回一个二维数组。
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
three_dim_array=[[[1,2,3,4],[-1,0,3,5]],[[2,7,-1,3],[0,3,12,4]],[[5,1,0,19],[4,2,-2,13]]]
a= np.argmax(three_dim_array, axis=0)print(a)
b= np.argmax(three_dim_array, axis=1)print(b)
c= np.argmax(test, axis=2)print(c)1
 2
 3
 4
 5
 6
 7
 8
 9
 例中数组shape为 3×2×4
 输出结果为:
 0 对应shape 2×4
 1 对应shape 3×4
 2 对应shape 3×2
[[2 1 0 2]
 [2 1 1 2]]
[[0 0 0 1]
 [0 0 1 1]
 [0 1 0 0]]
[[3 3]
 [1 2]
 [3 3]]
 1
 2
 3
 4
 5
 6
 7
 8
 9
 10
 由于原理类似,因此以axis = 1 举例解析
b = np.argmax(three_dim_array, axis = 1)
 print(b)
 “”"
 保留0层1层中括号,1层内按照逗号进行换行对齐
 [[[1, 2, 3, 4],
 [-1, 0, 3, 5]],
 [[2, 7, -1, 3],
 [0, 3, 12, 4]],
 [[5, 1, 0, 19],
 [4, 2, -2, 13]]]
按1层外面逗号分组
 [[1, 2, 3, 4],
 [-1, 0, 3, 5]]为一组
 [[2, 7, -1, 3],
 [0, 3, 12, 4]]为一组
 [[5, 1, 0, 19],
 [4, 2, -2, 13]]为一组
 对每组内,按列进行操作,并去掉2层括号
 三组分别为:
[argmax(1,-1),argmax(2,0),argmax(3,3),argmax(4,5)][argmax(2,0),argmax(7,3),argmax(-1,12),argmax(3,4)][argmax(5,4),argmax(1,2),argmax(0,-2),argmax(19,13)]进而,结果为
 [[0 0 0 1]
 [0 0 1 1]
 [0 1 0 0]]
 “”"
123456789101112131415161718192021222324252627282930当axis为0和2时一样,分组后如下:
axis=0
three_dim_array=[[[1,2,3,4],[-1,0,3,5]],[[2,7,-1,3],[0,3,12,4]],[[5,1,0,19],[4,2,-2,13]]]
axis=2
three_dim_array=[[[1,2,3,4],[-1,0,3,5]],[[2,7,-1,3],[0,3,12,4]],[[5,1,0,19],[4,2,-2,13]]]