python教程分享深入理解numpy中argmax的具体使用

目录
  • 一、基本介绍
  • 二、代码实验
    • 1、一维数组情况
      • 1.1、axis=0
      • 1.2、axis=1
    • 2、二维数组情况
      • 2.1、axis=0
      • 2.2、axis=1
    • 3、三维数组情况
      • 3.1、axis=0
      • 3.2、axis=1
      • 3.3、axis=2
      • 3.4、axis=-1
  • 四、reference
    • ps:补充

      一、基本介绍

      numpy中的argmax简而言之就是返回最大值的索引,当使用np.argmax(axis),这里方向axis的指定往往让人不理解。
      简而言之:这里axis可以让我们从、或者是深度方向来看一个高维数组。

      二、代码实验

      1、一维数组情况

      深入理解numpy中argmax的具体使用

      简单一维情况,np.argmax()直接返回最大值的索引,不指定axis可以认为是将数组拉平之后寻找最大值的索引

      1.1、axis=0

      当我们指定axis=0时,其实是在中作比较,寻找最大的的索引

      深入理解numpy中argmax的具体使用

      当然对于这个一维情况没有什么影响。

      1.2、axis=1

      深入理解numpy中argmax的具体使用

      当我们指定axis=1的时候报错了,这是因为我们的a是一维数组,没有axis=1这个轴,可见当我们使用np.argmax()时axis的指定不能超过所需要排序的数组

      2、二维数组情况

      深入理解numpy中argmax的具体使用

      不指定axis就是相当于把二维数组拉平,直接选取最大值的索引

      2.1、axis=0

      深入理解numpy中argmax的具体使用

      指定axis=0就是比较,返回索引中的最大值

      深入理解numpy中argmax的具体使用

      我们改写一个b中的元素,我们期望的结果是[2,2,1,2]

      深入理解numpy中argmax的具体使用

      实际结果和我们期望相符合

      2.2、axis=1

      深入理解numpy中argmax的具体使用

      指定axis=0就是比较,返回索引中的最大值

      3、三维数组情况

      一个三维数组可以视作一张图片,它的三个维度分别为(high, width, channels) 分别表示图像的高、宽、通道数(深度)。常见的彩色图像都有三个通道,我们以常见的rgb图像为例构建一个数组。

      深入理解numpy中argmax的具体使用

      直接使用np.argmax(),就是之间将三维数组拉平,寻找最大值的索引

      3.1、axis=0

      单独查看c的三个通道的数据,如图所示

      深入理解numpy中argmax的具体使用

      对于三个通道取axis=0意味分别比较列返回行的最大值索引

      深入理解numpy中argmax的具体使用

      我们期望的返回值应该是[[1,1,1,],[1,1,1],[1,1,1]],实际的结果和我们的期望一致

      深入理解numpy中argmax的具体使用

      3.2、axis=1

      深入理解numpy中argmax的具体使用

      对于三个通道取axis=1意味分别比较行返回列的最大值索引

      我们期望的结果是[[2, 2, 2],[2, 2, 2],[2, 2, 2],[2, 2, 2]],,实际的结果和我们的期望一致

      深入理解numpy中argmax的具体使用

      3.3、axis=2

      取axis=2意味着我们从图像的深度方向(通道方向)来进行比较,可以认为三个数组的叠在一起的,分别对应channel0,channel1,channel2而我们取最大值的索引就是返回对应pixel像素所在的通道索引

      深入理解numpy中argmax的具体使用

      c的channel2所有的像素值均大于其他两个channel所有返回值应该是[[2,2,2,],[2,2,2,],[2,2,2,],[2,2,2,]],实际结果和我的期望一致

      深入理解numpy中argmax的具体使用

      3.4、axis=-1

      axis=-1即是反过来看轴,对于三维情况axis=-1axis=2一致

      深入理解numpy中argmax的具体使用

      其他
      对于二维情况axis=-1anxis=1一致
      对于一维情况axis=0anxis=-1一致

      四、reference

      https://blog.csdn.net/weixin_39190382/article/details/105854567

      https://www.cnblogs.com/zhouyang209117/p/6512302.html

      ps:补充

      1.对一个一维向量

      import numpy as np  a = np.array([3, 1, 2, 4, 6, 1])  b=np.argmax(a)#取出a中元素最大值所对应的索引,此时最大值位6,其对应的位置索引值为4,(索引值默认从0开始)  print(b)#4

      2.对2维向量(通常意义下的矩阵)a[][]

      import numpy as np  a = np.array([[1, 5, 5, 2],                [9, 6, 2, 8],                [3, 7, 9, 1]])  b=np.argmax(a, axis=0)#对二维矩阵来讲a[0][1]会有两个索引方向,第一个方向为a[0],默认按列方向搜索最大值  #a的第一列为1,9,3,最大值为9,所在位置为1,  #a的第一列为5,6,7,最大值为7,所在位置为2,  #此此类推,因为a有4列,所以得到的b为1行4列,  print(b)#[1 2 2 1]     c=np.argmax(a, axis=1)#现在按照a[0][1]中的a[1]方向,即行方向搜索最大值,  #a的第一行为1,5,5,2,最大值为5(虽然有2个5,但取第一个5所在的位置),索引值为1,  #a的第2行为9,6,2,8,最大值为9,索引值为0,  #因为a有3行,所以得到的c有3个值,即为1行3列  print(c)#[1 0 2]

      3.对于三维矩阵a[0][1][2],情况最为复制,但在lstm中应用最广

      import numpy as np  a = np.array([                [                    [1, 5, 5, 2],                    [9, -6, 2, 8],                    [-3, 7, -9, 1]                ],                   [                    [-1, 7, -5, 2],                    [9, 6, 2, 8],                    [3, 7, 9, 1]                ],              [                    [21, 6, -5, 2],                    [9, 36, 2, 8],                    [3, 7, 79, 1]                ]              ])  b=np.argmax(a, axis=0)#对于三维度矩阵,a有三个方向a[0][1][2]  #当axis=0时,是在a[0]方向上找最大值,即两个矩阵做比较,具体  #(1)比较3个矩阵的第一行,即拿[1, 5, 5, 2],  #                         [-1, 7, -5, 2],  #                         [21, 6, -5, 2],  #再比较每一列的最大值在那个矩阵中,可以看出第一列1,-2,21最大值为21,在第三个矩阵中,索引值为2  #第2列5,7,6最大值为7,在第2个矩阵中,索引值为1.....,最终得出比较结果[2 1 0 0]  #再拿出三个矩阵的第二行,按照上述方法,得出比较结果 [0 2 0 0]  #一共有三个,所以最终得到的结果b就为3行4列矩阵  print(b)  #[[0 0 0 0]   #[0 1 0 0]   #[1 0 1 0]]     c=np.argmax(a, axis=1)#对于三维度矩阵,a有三个方向a[0][1][2]  #当axis=1时,是在a[1]方向上找最大值,即在列方向比较,此时就是指在每个矩阵内部的列方向上进行比较  #(1)看第一个矩阵                    # [1, 5, 5, 2],                    # [9, -6, 2, 8],                    # [-3, 7, -9, 1]  #比较每一列的最大值,可以看出第一列1,9,-3最大值为9,,索引值为1  #第2列5,-6,7最大值为7,,索引值为2  # 因此对第一个矩阵,找出索引结果为[1,2,0,1]  #再拿出2个,按照上述方法,得出比较结果 [1 0 2 1]  #一共有三个,所以最终得到的结果b就为3行4列矩阵  print(c)  #[[1 2 0 1]   # [1 0 2 1]   # [0 1 2 1]]     d=np.argmax(a, axis=2)#对于三维度矩阵,a有三个方向a[0][1][2]  #当axis=2时,是在a[2]方向上找最大值,即在行方向比较,此时就是指在每个矩阵内部的行方向上进行比较  #(1)看第一个矩阵                    # [1, 5, 5, 2],                    # [9, -6, 2, 8],                    # [-3, 7, -9, 1]  #寻找第一行的最大值,可以看出第一行[1, 5, 5, 2]最大值为5,,索引值为1  #第2行[9, -6, 2, 8],最大值为9,,索引值为0  # 因此对第一个矩阵,找出行最大索引结果为[1,0,1]  #再拿出2个矩阵,按照上述方法,得出比较结果 [1 0 2 1]  #一共有三个,所以最终得到的结果d就为3行3列矩阵  print(d)  # [[1 0 1]  #  [1 0 2]  #  [0 1 2]]  ###################################################################  #最后一种情况,指定矩阵a[0, -1, :],第一个数字0代表取出第一个矩阵(从前面可以看出a有3个矩阵)为  # [1, 5, 5, 2],  # [9, -6, 2, 8],  # [-3, 7, -9, 1]  #第二个数字“-1”代表拿出倒数第一行,为  # [-3, 7, -9, 1]  #这一行的最大索引值为1     # ,-1,代表最后一行  m=np.argmax(a[0, -1, :])  print(m)#1     #h,取a的第2个矩阵  # [-1, 7, -5, 2],  # [9, 6, 2, 8],  # [3, 7, 9, 1]  #的第3行  # [3, 7, 9, 1]  #的最大值为9,索引为2  h=np.argmax(a[1, 2, :])  print(h)#2     g=np.argmax(a[1,:, 2])#g,取出矩阵a,第2个矩阵的第3列为-5,2,9,最大值为9,索引为2  print(g)#2

      到此这篇关于深入理解numpy中argmax的具体使用的文章就介绍到这了,更多相关numpy argmax内容请搜索<猴子技术宅>以前的文章或继续浏览下面的相关文章希望大家以后多多支持<猴子技术宅>!

      需要了解更多python教程分享深入理解numpy中argmax的具体使用,都可以关注python教程分享栏目—猴子技术宅(www.ssfiction.com)

      本文来自网络收集,不代表猴子技术宅立场,如涉及侵权请点击右边联系管理员删除。

      如若转载,请注明出处:https://www.ssfiction.com/pythons/1029787.html

      发表评论

      邮箱地址不会被公开。 必填项已用*标注