按照axis的要求返回最小的数/最大的数的下标
numpy.argmin(a, axis=None, out=None) numpy.argmax(a, axis=None, out=None)
a：传入一个数组，
axis：默认将输入数组展平，否则，按照axis方向
out：可选
import numpy as np
a = np.arange(6).reshape(2, 3)
a
array([[0, 1, 2],
[3, 4, 5]])
# 此时自动展平了
np.argmin(a)
0
np.argmax(a)
5
# 在axis方向上找最小的值并返回坐标
np.argmin(a, axis=1)
array([0, 0], dtype=int64)
# 在axis方向上找最大的值并返回坐标
np.argmax(a, axis=1)
array([2, 2], dtype=int64)
当有多个最小值的时候只显示第一个
a = np.arange(6) a[4] = 0 a array([0, 1, 2, 3, 0, 5]) np.argmin(a) 0
这里应该是拿min/max（更适合处理可迭代对象，可选的参数是key=func）与np.min/np.max（可适合处理numpy.ndarray对象，可选的参数是axis=0或者1）作比较，只不过np.argmin/np.argmax的用法与np.min/np.max相似，这里就不进行更正了。
首先min/max与np.argmin/np.argmax函数的功能不同
前者返回值，后者返回最值所在的索引（下标）
处理的对象不同
前者跟适合处理list等可迭代对象，而后者自然是numpy里的核心数据结构ndarray（多维数组）
min/max是python内置的函数
np.argmin/np.argmax是numpy库中的成员函数
接口不同
min(iterable, key=func)->value np.argmin(a, axis=None)
常见的接口如上所示，前者除了一个可迭代对象外，还接收一个函数对象（keyword argument），用于指定比较的对象（也即最值比较的内容是，将迭代对象中的元素逐个赋予func函数对象所得到返回值），可见func只可接受一个参数，如min(dict, key=dict.get)。
而np.argmax更多的是进行轴上的比较（axis=0，也是默认的轴，是列向）
>>> l = ['1', '100', '111', '2'] >>> max(l) '2' # 下面我们指定比较内容 >>> max(l, key=lambda x: int(x) '111' >>> max(l, key=lambda x: len(x)) '100' >>> max(l, key=lambda x: len(x) and int(x)) '111'
我们也可将min/max作用于list of lists（这里不对tuple和list作区分）：
>>> ll = [(1, 'a'), (3, 'c'), (4, 'e'), (-1, 'z')] >>> max(ll)
例如根据列表中的每一个元素（tuple或者list类型）的第二位进行求最大值：
>>> l = [(1, 2, 5), (2, 3, 5), (3, 2, 5), (4, 4, 5), (5, 1, 5)] >>> max(l, key=lambda x: x[1]) (4, 4, 5) >>> l.index(max(l, key=lambda x: x[1])) 3
默认情况下，max首先进行比较的是items（k，v）中的第一个内容（也即是k），相等的情况下，再进行v的比较。
稍作修改，我们便可实现对v的比较：
>>> max(ll, key=lambda x: x[1]) (-1, 'z')
有时可能最值所在的下标对我们更重要，我们据此下标索引更为丰富的信息。如何不显式转化为numpy.ndarray类型（有时也无法转换，当异质容器时）不通过np.argmax这样的函数获得最值（任何值都可以）所在的下标呢？使用list（tuple）的index()成员函数。
>>> ll = [(1, 'a'), (3, 'c'), (4, 'e'), (-1, 'z')] >>> val = max(ll, lambda x: x[1]) >>> ll.index(val) 3
根据以上用法，我们也可推测并实现一个精简版的max函数：
def max(items, key=lambda x: x):
current = items[0]
for item in items:
if key(item) > key(current):
current = item
return current
以上为个人经验，希望能给大家一个参考，也希望大家多多支持。
