numpy.argmin¶

numpy.argmin(a, axis=None, out=None)[源代码]¶

返回沿轴的最小值的索引。

参数

aarray_like: 输入数组。
axis可选的: 默认情况下，索引将进入扁平数组，否则将沿指定的轴。
out可选数组: 如果提供，则结果将插入此数组。它应该具有适当的形状和数据类型。

返回

index_array铟锡合金: 数组中的索引数组。它的形状和 a.shape 随着尺寸的增加 axis 远离的。

参见

ndarray.argmin, argmax
amin: 沿给定轴的最小值。
unravel_index: 将平面索引转换为索引元组。
take_along_axis: 应用 np.expand_dims(index_array, axis) 从argmin到数组，就像调用min一样。

笔记

如果最小值出现多次，则返回与第一次出现对应的索引。

实例

>>> 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.min(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.max(x, axis=-1)
>>> np.take_along_axis(x, np.expand_dims(index_array, axis=-1), axis=-1).squeeze(axis=-1)
array([2, 0])

numpy.nanargmax numpy.nanargmin