在阅读argmin function in numpy的文档时,我有点困惑。看起来它应该可以完成这项工作:
阅读这篇文章
返回轴上的最小值的索引。
我可能会假设
np.argmin([5, 3, 2, 1, 1, 1, 6, 1])
将返回一个包含所有索引的数组:它将为[3, 4, 5, 7]
但是它只返回3
,而不是这个。陷阱在哪里,或者我应该怎么做才能得到我的结果?
发布于 2013-09-03 07:57:07
当您考虑多维数组时,该文档更有意义。
>>> x = numpy.array([[0, 1],
... [3, 2]])
>>> x.argmin(axis=0)
array([0, 0])
>>> x.argmin(axis=1)
array([0, 1])
如果指定了轴,argmin
将获取沿给定轴的一维子数组,并返回每个子数组的最小值的第一个索引。它不会返回单个最小值的所有索引。
要获取最小值的所有索引,您可以这样做
numpy.where(x == x.min())
发布于 2013-09-03 07:56:55
请参阅numpy.argmax
文档(numpy.argmin
文档中引用了该文档):
如果最大值多次出现,则返回第一次出现的索引。
文档的措辞(“索引”而不是“索引”)指的是提供axis
时的多维情况。
所以,你不能用np.argmin
做到这一点。取而代之的是,这将起作用:
np.where(arr == arr.min())
发布于 2020-01-27 20:49:05
我想快速补充一下,就像用户grofte提到的,np.where
返回一个元组,它声明它是nonzero
的简写,它有一个对应的方法flatnonzero
,它直接返回一个数组。
所以,最干净的版本似乎是
my_list = np.array([5, 3, 2, 1, 1, 1, 6, 1])
np.flatnonzero(my_list == my_list.min())
=> array([3, 4, 5, 7])
https://stackoverflow.com/questions/18582178
复制相似问题