1 python数据分析numpy基础之argmin求数组最小值索引

python的numpy库的argmin()函数，用于获取沿指定轴的最小值的索引。

用法

 numpy.argmin(a, axis=None, out=None, *, keepdims=<no value>)

描述

argmin()返回沿指定轴的最小值的索引。

入参axis表示指定轴，默认为None表示整个数组的最小值的索引而不是某个轴的最小值，即转为一维数组后的最小值的索引。axis只能为整数，不支持整数元组。

入参keepdims表示是否保留指定轴的尺寸为1，默认为False，不保留。

1.1 入参a

numpy.argmin()的入参a，为必选入参，可以为数组、列表、元组。

 >>> import numpy as np
 # 入参a为列表
 >>> np.argmin([-5,-10,0,1,5])
 1
 # 入参a为元组
 >>> np.argmin((-5,-10,0,1,5))
 1
 # 入参a为数组
 >>> np.argmin(np.array((-5,-10,0,1,5)))
 1

1.2 入参axis为整数

numpy.argmin()的入参axis为可选入参，只能为整数（不支持元组），范围[0, ndim)，默认为None，表示求整个数组的最小值的索引，若为多维数组则转换为一维数组来获取最小值的索引。

若axis=n为整数，则对沿指定轴n的元素求最小值的索引，并且只返回指定轴的索引，其他轴索引不返回。

若axis=负数，则-1对应最后一个轴，-2倒数第2个轴，依此类推。

最小值多次出现时，argmin()返回第一次出现的索引。

np.ndindex(ar3.shape) 获取指定形状数组的索引迭代器对象，遍历迭代器索引获取数组元素。

 >>> import numpy as np
 >>> ar3=np.array([[[12, 13, 8, 15 ],
         [ 19,  25,  16,  5],
         [ 18,  29, 10, 31]],
 
        [[9,  11,  21,  3],
         [16, 17, 18, 19],
         [20, 3, 22, 23]]])
 # axis默认为None，返回整个数组的最小值的索引
 >>> np.argmin(ar3)
 15
 # ar3最小值为3
 >>> np.min(ar3)
 3
 # axis=None时，ar3相当于一维数组
 >>> ar3.reshape(ar3.size)
 array([12, 13,  8, 15, 19, 25, 16,  5, 18, 29, 10, 31,  9, 11, 21,  3, 16,
        17, 18, 19, 20,  3, 22, 23])
 # 最小值多次出现时，返回第一次出现的索引
 # 索引为15的值为最小值3，为第一次出现的索引，索引argmin()返回15
 >>> ar3.reshape(ar3.size)[15]
 3
 # 索引为21的值为最小值3
 >>> ar3.reshape(ar3.size)[21]
 3
 # np.ndindex(ar3.shape) 获取指定形状数组的索引迭代器对象
 >>> ar3vis=[str(ar3[i])+str(i) for i in np.ndindex(ar3.shape)]
 >>> ar3vi=np.array(ar3vi).reshape(ar3.shape)
 # 获取ar3数组和其索引
 # n维数组由n个轴的索引组成
 # 比如三维数组索引(1, 0, 0)，分别表示0/1/2轴的索引
 >>> ar3vi
 array([[['12(0, 0, 0)', '13(0, 0, 1)', '8(0, 0, 2)', '15(0, 0, 3)'],
         ['19(0, 1, 0)', '25(0, 1, 1)', '16(0, 1, 2)', '5(0, 1, 3)'],
         ['18(0, 2, 0)', '29(0, 2, 1)', '10(0, 2, 2)', '31(0, 2, 3)']],
 
        [['9(1, 0, 0)', '11(1, 0, 1)', '21(1, 0, 2)', '3(1, 0, 3)'],
         ['16(1, 1, 0)', '17(1, 1, 1)', '18(1, 1, 2)', '19(1, 1, 3)'],
         ['20(1, 2, 0)', '3(1, 2, 1)', '22(1, 2, 2)', '23(1, 2, 3)']]],
       dtype='<U11')
 # axis=0，只返回沿0轴最小值的索引，0轴大小为2，索引只有0,1
 >>> np.argmin(ar3,axis=0)
 array([[1, 1, 0, 1],
        [1, 1, 0, 0],
        [0, 1, 0, 1]], dtype=int64)
 # min()获取0轴最小值，argmin()获取0轴最小值的索引
 # 比如9的索引为(1, 0, 0)，取0轴索引1
 >>> np.min(ar3,axis=0)
 array([[ 9, 11,  8,  3],
        [16, 17, 16,  5],
        [18,  3, 10, 23]])
 # axis=1，只返回沿1轴最小值的索引，1轴大小为3，索引只有0,1,2
 >>> np.argmin(ar3,axis=1)
 array([[0, 0, 0, 1],
        [0, 2, 1, 0]], dtype=int64)
 # 比如3(1, 2, 1)，取1轴索引2
 >>> np.min(ar3,axis=1)
 array([[12, 13,  8,  5],
        [ 9,  3, 18,  3]])
 # axis=2，只返回沿2轴最小值的索引，2轴大小为4，索引只有0,1,2,3   
 >>> np.argmin(ar3,axis=2)
 array([[2, 3, 2],
        [3, 0, 1]], dtype=int64)
 # 比如 5(0, 1, 3)，取2轴索引3
 >>> np.min(ar3,axis=2)
 array([[ 8,  5, 10],
        [ 3, 16,  3]])
 # axis=负数，则-1对应最后一个轴，-2倒数第2个轴，依此类推。
 >>> np.argmin(ar3,axis=-1)
 array([[2, 3, 2],
        [3, 0, 1]], dtype=int64)

1.3 入参keepdims

numpy.argmin()的入参keepdims为可选入参，只能为False或True，默认为False。

keepdims为False则不保留指定轴的尺寸，即返回最小值索引的数组形状，不包括指定轴。

keepdims为True则保留指定轴的持仓为1，即返回最小值索引的数组形状，包括指定轴且大小为1。

 >>> import numpy as np
 >>> ar3=np.array([[[12, 13, 8, 15 ],
         [ 19,  25,  16,  5],
         [ 18,  29, 10, 31]],
 
        [[9,  11,  21,  3],
         [16, 17, 18, 19],
         [20, 3, 22, 23]]])
 >>> kdnt=np.argmin(ar3,keepdims=True)
 >>> kdnf=np.argmin(ar3,keepdims=False)
 >>> kdn=np.argmin(ar3)
 # keepdims=True,最小值索引数组，保留指定轴，且尺寸为1
 >>> kdnt.shape,kdnt.ndim
 ((1, 1, 1), 3)
 # keepdims=False,最小值索引数组，删除指定轴
 >>> kdnf.shape,kdnf.ndim
 ((), 0)
 # keepdims默认False,最小值索引数组，删除指定轴
 >>> kdn.shape,kdn.ndim
 ((), 0)
 >>> kdnt,kdnf,kdn
 (array([[[15]]], dtype=int64), 15, 15)
 >>> kd0t=np.argmin(ar3,axis=0,keepdims=True)
 >>> kd0=np.argmin(ar3,axis=0)
 # True保留axis=0且尺寸为1
 >>> kd0t.shape,kd0t.ndim
 ((1, 3, 4), 3)
 # False删除axis=0
 >>> kd0.shape,kd0.ndim
 ((3, 4), 2)
 >>> kd0t
 array([[[1, 1, 0, 1],
         [1, 1, 0, 0],
         [0, 1, 0, 1]]], dtype=int64)
 >>> kd0
 array([[1, 1, 0, 1],
        [1, 1, 0, 0],
        [0, 1, 0, 1]], dtype=int64)
 >>> kd1t=np.argmin(ar3,axis=1,keepdims=True)
 >>> kd1=np.argmin(ar3,axis=1)
 # True保留axis=1且尺寸为1
 >>> kd1t.shape,kd1t.ndim
 ((2, 1, 4), 3)
 # False删除axis=1
 >>> kd1.shape,kd1.ndim
 ((2, 4), 2)
 >>> kd1t
 array([[[0, 0, 0, 1]],
 
        [[0, 2, 1, 0]]], dtype=int64)
 >>> kd1
 array([[0, 0, 0, 1],
        [0, 2, 1, 0]], dtype=int64)

2 END

本文首发微信公众号：梯阅线条，

更多内容参考python知识分享或软件测试开发目录。