python/numpy

您所在的位置：网站首页 › 用min函数求最大值 › python/numpy

python/numpy

2023-07-30 09:58| 来源: 网络整理| 查看: 265

零、前言提要

一、参考来源和基础知识小结

二、求取容器中的最大值、最小值

2.1 python内置的max()函数

2.2 numpy模块的np.max函数（同np.amax）、np.nanmax函数

2.3 numpy模块的np.maximum()函数

2.4 numpy模块的np.fmax函数

三、求取最大值、最小值的索引（所处位置）

零、前言提要

本篇文章基于py3.8，system win10，numpy1.12。

np是numpy的缩写。

一、参考来源和基础知识小结

python内置max()、min()函数与Numpy自带的max()、min()函数性能对比分析

上面这篇文章基于python 2.7.15，system win10得出结论：python内置的max()运行速度优于numpy模块，但是使用的方便性和灵活性上numpy.max更佳。

numpy 学习汇总36- max，amax,nanmax,fmax,maximum的区别

上面这篇文章给的传播NAN和忽略NAN的概念是指“在运算过程中遇到NAN是直接把结果确立为NAN还是直接忽略NAN”。例如sum()函数默认是传播NAN的，那么sum([1,2,np.nan])的结果就是nan。而np.nansum()函数默认是忽略NAN的，因此np.nansum([1,2,np.nan])的结果是3。

二、求取容器中的最大值、最小值

下面全部以求最大值为例，最小值的效果和它是对称的。

除了求最大值是遇到Inf就捡起来，而求最大值是遇到Inf就丢掉，其他基本一样，就不赘述了。

2.1 python内置的max()函数

功能简介：求解可迭代对象的最大值或者多个参数的最大值

# 1 语法一：只有一个容器 max(iterable, *[, key, default]) # 1.1 容器是列表、数组、元组、集合、字符串 import numpy as np print(max([1,2,3])) # 输出结果3 print(max(np.array([1,2,3]))) # 输出结果3 print(max((1,2,3))) # 输出结果3 print(max({1,2,3})) # 输出结果3 print(max('I love you, my girl.')) # 输出为y # 1.2 多维容器和多层嵌套 print(max([[1, 2], [3, 4]])) # 列表形状(2,2)，输出为[3, 4]，说明列表是在最外一层进行比较 print(max([[[1, 2], [3, 4]]])) # 列表形状(1，2，2)，输出[[1, 2], [3, 4]]，再次验证... print(max((((1, 2, 3)),((2,3,4))))) # 元组形状为(2,1,3)，输出(2, 3, 4) print(max(((((1, 2, 3)),((2,3,4)))))) # 元组形状为(1,2,1,3)，还是输出(2, 3, 4),说明对于元组会把多余的括号去掉 #1.3 key参数用法，规定在容器的哪个位置/属性之间进行比较 print(max([{'name':'zhang','age':13},{'name':'shen','age':56}],key=lambda x:x['age'])) # 输出为{'name': 'shen', 'age': 56} #1.4 default参数用法，规定如果得不出最大值就返回default默认值，用来避免出错 print(max((),default=1)) # 输出为1 print(max(())) # 传入空元组，无法得出最大值，错误ValueError: max() arg is an empty sequence #1.5 如果仅传入一个可比较参数，并且这个参数不是容器，就会报错 print(max(1)) # TypeError: 'int' object is not iterable print(max(1.3)) # TypeError: 'float' object is not iterable #------------------------- # 2、语法二：传入多个参数（既可以是单个数值，也可以是容器） max(arg1, arg2, *args[, key]) # 2.1 传入多个单独的数值 print(max(1,2,3,4,5,6)) # 输出为6 # 2.2 传入多个容器 print(max([1,2],[3,4],[6,-9999])) # 输出为[6, -9999]，说明仅仅比较第一个数 print(max([[1,2],[3,4]],[[0,5],[6,7]])) # 输出为[[1, 2], [3, 4]]，说明只比较第一个数 # 2.3 在多个参数之间用key print(max({'name':'zhang','age':13},{'name':'shen','age':56},key=lambda x:x['age'])) # 输出为{'name': 'shen', 'age': 56} #-------------------------- # 3、其他注意事项 # 3.1 千万不要加参数axis，因为内置的max函数没有这个参数 # 3.2 内置的max()函数会传播nan，而numpy.nanmax()可以避开nan print(max([np.nan,1,2,3])) # 输出为nan，说明内置max函数会传播nan print(np.nanmax([np.nan,1,2,3])) # 3.0

2.2 numpy模块的np.max函数（同np.amax）、np.nanmax函数 import numpy as np # 1、np.max实际上就是np.amax np.max.__name__ # 'amax' np.max is np.amax # True np.amax # np.max # # 2、语法 np.amax(array_like, axis=None, out=None, keepdims=, initial=) 2.1 array_like：可以是数组，也可以是和数组相似的容器（元组、列表），只能传一个这种参数 2.2 axis：这是python内置max()没有的参数，用来指定在哪个维度上比较 2.3 keepdims：是否保留维数 2.4 只要包括nan，就返回nan，也即传播nan。 2.5 只要包括Inf，就返回Inf，因为Inf是正无穷大。 # 3、实例 # 3.1 当axis=None时，对所有数进行比较得到一个最大值 print(np.max([12, 34])) # 34 print(np.max([[12, 34], [56, 78]])) # 结果是78而不是[56,78]，说明不指定axis=None时是将所有维度下的成员进行比较，最终返回一个最大值 print(np.max([[[[[[12, 34], [56, 78]]]]]])) # 输出78，说明不管嵌套多少层，都是返回最大的那个元素，这也是跟内置max()不一样的地方 # 3.2 当axis!=x（一个整数）时，在指定维度上比较 print(np.max([[12, 34], [10, 78]], axis=0)) # [12 78] print(np.max([[12, 34], [10, 78]], axis=1)) # [34 78] # 3.3 当keepdims=True时，axis指定的那个维度不会归零化 print(np.max([[12, 34], [10, 78]], axis=0, keepdims=True)) # [[12 78]] print(np.max([[12, 34], [10, 78]], axis=1, keepdims=True)) # [[34], [78]]

至于np.nanmax，除了会忽视nan，其他特性与np.max()、np.amax()相同。

除了利用numpy模块里的函数求最大值，也可以用ndarray数组的max属性求最大值。

import numpy as np arr = np.arange(9).reshape(3,3) print(arr.max(0)) # [6, 7, 8]，参数0表示axis=0

用法和numpy.max()函数大致相同，只不过是把array参数提到max前面了。

此外要注意这种方法不能对非ndarray数组对象求最大值，因为list\tuple\set这些容器没有这个属性。

2.3 numpy模块的np.maximum()函数 # 1、语法 np.maximum(X, Y, out=None) # 2、简介 # 2.1 X和Y逐位进行比较,选择最大值，必须接受两个进行比较的对象，多了少了都不行 # 2.2 会传播NAN；如果存在Inf直接返回Inf # 3、代码实现 >>> np.maximum([2, 3, 4], [1, 5, 2]) array([2, 5, 4]) >>> np.maximum(np.eye(2), [0.5, 2]) # broadcasting array([[ 1. , 2. ], [ 0.5, 2. ]]) >>> np.maximum([np.nan, 0, np.nan], [0, np.nan, np.nan]) array([ NaN, NaN, NaN]) >>> np.maximum(np.Inf, 1) inf

2.4 numpy模块的np.fmax函数

np.fmax函数和np.maximum函数辨析：

2.4.1共同点：

（1）都是对两个参数中的元素值进行比较，最终返回位置对应的最大值。

（2）都可以用broadcast机制。

（3）都必须只传入两个比较对象，多了少了都会报错

（4）都是ufunc函数，可以配合accumulate,reduce,reduceat等属性使用。

第4点欲知如何请见：https://blog.csdn.net/tcy23456/article/details/84589554

2.4.2差异点：np.fmax会忽略NAN，而np.maximum会传播NAN。记忆技巧：f是forget，把nan给忘了，不认识它是谁，直接忽略掉了。

import numpy as np # 1、语法 np.fmax(x1, x2) # 2、简介 # 2.1 x1和x2分别是一个数值或者一个容器（数组、列表、元组），逐个元素地进行比较在每一个位置返回最大的值（浮点型）， # 2.2 会忽略NAN，但是如果两个数都是NAN，就会返回NAN；一旦某位置有Inf，必返回Inf # 2.3 必须接受两个进行比较的对象，多了少了都报错 # 3、实现代码 # 3.1 传入两个数 print(np.fmax(1, 3)) # 3 print(np.fmax(1, 3, 2, 4, 5, 6)) #TypeError: fmax() takes from 2 to 3 positional arguments but 6 were given # 3.2 容器中有nan，能避就避，避不了才用；容器中有Inf，必须用 print(np.fmax([1,np.nan],[2,999])) # [ 2. 999.] print(np.fmax([1,np.nan],[2,np.nan])) # [ 2. nan] print(np.fmax([1,np.Inf],[2,999])) # [ 2. inf]

三、求取最大值、最小值的索引（所处位置）

本文的第二部分都是在求一个容器中的最大值，或者两个容器之间进行逐个比较取更大值。

下面的np.argmax并不是求最大值本身，而是求最大值在哪个位置（也即索引值）。

import numpy as np # 1、语法 np.argmax(array_like, axis=None, out=None, *, keepdims=np._NoValue) # 2、代码实现 # 2.1 说明如果有多个数值相同，返回先出现的索引值 print(np.argmax([1,2,3,4,4,4,4,4])) # 3 print(np.argmax([[1,2],[3,2]], axis=0)) # [1 0] # 2.1 axis=None的时候，只会返回一个索引值（python中默认的索引顺序为C，也即先行后列，先里层后外层） print(np.argmax(np.arange(9).reshape(3,3))) #8 # 2.2 axis=x(一个整数)时，就会在这个维度上逐个元素进行比较，比如x=0，那么就是a[0]、a[1]、...、a[len(a)-1]之间进行比较 print(np.argmax(np.arange(9).reshape(3,3), axis=0)) #[2 2 2]。当axis=0，在第0维进行比较，也即比较a[0,0]、a[1,0]和a[2,0] # 2.3 keepdims=True时，a[0]、a[1]、...、a[len(a)-1]之间比较得到的最大值索引外的中括号不丢掉，因此维度保留 print(np.argmax(np.arange(9).reshape(3,3), axis=0, keepdims=True)) #[[2 2 2]]。

【本文地址】

python/numpy

python/numpy

今日新闻

推荐新闻