numpy.argmin
numpy.argmin(a, axis=None, out=None) [source]
返回沿轴的最小值的索引。
参数 ： | a ：array_like 输入数组。 axis ： 默认情况下，索引在扁平数组中，否则沿着指定的轴。 out ：array, 可选 如果提供，结果将被插入此数组。 它应该具有适当的形状和dtype。 |
返回值 ： | index_array ：ndarray of ints 索引数组到数组中。 它的形状与a.shape相同， 但沿轴的尺寸已删除。 |
Notes
在多次出现最小值的情况下，返回对应于第一次出现的索引。
例子
1）基本用法示例
import numpy as np a = np.arange(6).reshape(2, 3) + 10 print(a) # 输出： # [[10 11 12] # [13 14 15]] # 全局最小值索引（按扁平化顺序） print(np.argmin(a)) # 输出：0，对应a[0,0] # 沿 axis=0（每列）查找最小值索引 print(np.argmin(a, axis=0)) # 输出：[0 0 0] # 沿 axis=1（每行）查找最小值索引 print(np.argmin(a, axis=1)) # 输出：[0 0]
2）多维数组中最小值的多维索引位置
import numpy as np a = np.arange(6).reshape(2, 3) + 10 print(a) # 输出： # [[10 11 12] # [13 14 15]] # 获取多维索引位置 ind = np.unravel_index(np.argmin(a, axis=None), a.shape) print(ind) # 输出：(0, 0) print(a[ind]) # 输出：10
3）配合 take_along_axis 使用（取每行最小值）
import numpy as np
x = np.array([[4, 2, 3],
[1, 0, 3]])
# 每行最小值索引
index_array = np.argmin(x, axis=-1)
# 获取每行最小值（保持维度）
min_values = np.take_along_axis(x,
np.expand_dims(index_array, axis=-1), axis=-1)
print(min_values)
# 输出：
# [[2]
# [0]]
# 去掉多余维度（squeeze）
print(min_values.squeeze(axis=-1))
# 输出：[2 0]