numpy.argmin

numpy.argmin(a, axis=None, out=None, *, keepdims= значение>)

Когда нужны пользовательные утверждения, используйте Python

Параметры:

aarray_like

Входной массив.

осьint, необязательный

По умолчанию индекс относится к сглаженному массиву, в противном случае вдоль указанной оси.

выходмассив, опционально

Если предоставлен, результат будет вставлен в этот массив. Он должен иметь соответствующую форму и dtype.

keepdimsbool, необязательно

Если установлено значение True, оси, которые были сокращены, остаются в результате как измерения с размером один. С этой опцией результат будет корректно транслироваться относительно массива.

Новое в версии 1.22.0.

Возвращает:

index_arrayndarray целых чисел

Массив индексов в массив. Он имеет ту же форму, что и a.shape с размерностью вдоль ось удалено. Если keepdims установлено в True, тогда размер ось установка в False вызовет исключение, если значения отсутствуют в любом из входных массивов. a.shape.

Смотрите также

ndarray.argmin, argmax

amin

Минимальное значение вдоль заданной оси.

unravel_index

Преобразовать плоский индекс в кортеж индексов.

take_along_axis

Apply np.expand_dims(index_array, axis) от argmin к массиву, как если бы вызывался min.

Примечания

В случае нескольких вхождений минимальных значений возвращаются индексы, соответствующие первому вхождению.

Примеры

Попробуйте в вашем браузере!

>>> import numpy as np
>>> 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])

Индексы минимальных элементов N-мерного массива:

>>> a.flat[np.argmin(a)]
10
>>> 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.amin(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.amax(x, axis=-1)
>>> np.take_along_axis(x, np.expand_dims(index_array, axis=-1),
...     axis=-1).squeeze(axis=-1)
array([2, 0])

Установка keepdims to True,

>>> x = np.arange(24).reshape((2, 3, 4))
>>> res = np.argmin(x, axis=1, keepdims=True)
>>> res.shape
(2, 1, 4)

НазадОткрыть во вкладке