Python numpy amax用法及代码示例

本文简要介绍 python 语言中 numpy.amax 的用法。

用法:

numpy.amax(a, axis=None, out=None, keepdims=<no value>, initial=<no value>, where=<no value>)

返回数组的最大值或沿轴的最大值。

参数：

a： array_like

输入数据。

axis： 无或int 或整数元组，可选

沿其操作的一个或多个轴。默认情况下，使用扁平化输入。

如果这是一个整数元组，则在多个轴上选择最大值，而不是像以前那样选择单个轴或所有轴。

out： ndarray，可选

用于放置结果的替代输出数组。必须与预期输出具有相同的形状和缓冲区长度。有关更多详细信息，请参阅输出类型确定。

keepdims： 布尔型，可选

如果将其设置为 True，则缩小的轴将作为尺寸为 1 的尺寸留在结果中。使用此选项，结果将针对输入数组正确广播。

如果传递了默认值，那么保持昏暗不会被传递到amax子类的方法numpy.ndarray，但是任何非默认值都是。如果sub-class' 方法没有实现保持昏暗将引发任何异常。

initial： 标量，可选

输出元素的最小值。必须存在以允许对空切片进行计算。有关详细信息，请参阅 reduce 。

where： 类似于 bool 的数组，可选

要比较最大值的元素。有关详细信息，请参阅 reduce 。

返回：

amax： ndarray 或标量

最大的a.如果轴为无，结果是一个标量值。如果轴给出，结果是一个维度数组a.ndim - 1.

注意：

NaN 值被传播，也就是说，如果至少一项为 NaN，则相应的最大值也将为NaN。要忽略 NaN 值(MATLAB 行为)，请使用 nanmax。

不要将amax 用于 2 个数组的元素比较；当 a.shape[0] 为 2 时， maximum(a[0], a[1]) 比 amax(a, axis=0) 快。

例子：

>>> a = np.arange(4).reshape((2,2))
>>> a
array([[0, 1],
       [2, 3]])
>>> np.amax(a)           # Maximum of the flattened array
3
>>> np.amax(a, axis=0)   # Maxima along the first axis
array([2, 3])
>>> np.amax(a, axis=1)   # Maxima along the second axis
array([1, 3])
>>> np.amax(a, where=[False, True], initial=-1, axis=0)
array([-1,  3])
>>> b = np.arange(5, dtype=float)
>>> b[2] = np.NaN
>>> np.amax(b)
nan
>>> np.amax(b, where=~np.isnan(b), initial=-1)
4.0
>>> np.nanmax(b)
4.0

您可以使用初始值来计算空切片的最大值，或者将其初始化为不同的值：

>>> np.amax([[-50], [10]], axis=-1, initial=0)
array([ 0, 10])

请注意，初始值用作确定最大值的元素之一，这与 Python 的默认参数 max 函数不同，该函数仅用于空迭代。

>>> np.amax([5], initial=6)
6
>>> max([5], default=6)
5