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)