Numpy 数组中最小值的索引

2024-03-16 16:20| 来源: 网络整理| 查看: 265

Numpy 数组中最小值的索引

在Python中，Numpy 是一个非常有用的库，用于科学计算、数值分析和数据科学。它提供了一个快速、高效的多维数组对象 ndarray，以及处理这些数组的工具。

在数据处理中，我们通常会需要查找数组中最小值的索引。在这篇文章中，我们将介绍如何在给定的 Numpy 数组中查找最小值的索引。

阅读更多：Numpy 教程

Numpy 数组

在开始之前，让我们先了解下 Numpy 数组是什么。Numpy 提供了一个高性能的多维数组和矩阵计算工具包，被广泛应用于数据分析和数据科学领域。

Numpy 数组是一个多维数据集，它们具有以下特点： 1. 具有相同类型的元素。 2. 可以通过索引访问和操作元素。 3. 可以使用广播功能进行操作。 4. 速度快且内存占用少。

例如，我们可以创建一个三维的 Numpy 数组，并访问其中的元素：

import numpy as np arr = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]]) print(arr.shape) # 输出：(2, 2, 2) print(arr[0,0,0]) # 输出：1 查找 Numpy 数组中最小值的索引

查找 Numpy 数组中最小值的索引非常简单。我们可以使用 Numpy 库中的 argmin() 函数来查找最小值的索引。以下是一个示例：

import numpy as np arr = np.array([5, 2, 10, 6, 2, 7, 1]) # 查找最小值的索引 min_index = np.argmin(arr) print("数组: ", arr) print("最小值的索引: ", min_index)

输出：

数组: [5 2 10 6 2 7 1] 最小值的索引: 6

在上面的代码中，我们首先创建了一个包含整数的 Numpy 数组。然后，我们使用 argmin() 函数查找最小值的索引，并将其存储在 min_index 变量中。

我们可以看到，最小值的索引为 6，这意味着数组中的最小值为 1（数组中的第七个元素）。

查找二维 Numpy 数组中最小值的索引

当处理二维 Numpy 数组时，我们可以使用 argmin() 函数的两个可选参数：axis 和 keepdims。

axis 参数指定对哪个轴应用函数，可以接受以下值： 1. None：应用函数到整个数组，返回一个标量值 2. 整数值：应用函数到指定的轴，返回一个比原数组少一维的数组 3. 元组：应用函数到指定的轴，保持数组的维数不变

keepdims 参数指定是否保持数组的维度。如果它被设置为 True，则结果将是包含一个长度为 1 的轴的数组（与原数组相同的维数）。

以下是查找二维 Numpy 数组中最小值的索引的示例：

import numpy as np arr = np.array([[2, 1, 3], [4, 5, 1], [6, 7, 8]]) # 沿着第 0 轴查找最小值的索引 min_index = np.argmin(arr, axis=0, keepdims=True) print("数组: ") print(arr) print("最小值的索引: ") print(min_index)

输出：

数组: [[2 1 3] [4 5 1] [6 7 8]] 最小值的索引: [[0 0 1]]

在上面的代码中，我们首先创建了一个包含 3 行和 3 列的二维 Numpy 数组。然后，我们使用 argmin() 函数并将其应用到第0个轴，以在每一列中查找最小值的索引。我们还将 keepdims 设为 True，以保持数组的维度。

结果，我们得到了一个包含单个轴的数组，其值为最小值所在的索引。在这个例子中，最小值为 1，它在数组的第 0 行第 0 列和第 2 行第 1 列中出现。

查找三维 Numpy 数组中最小值的索引

处理三维 Numpy 数组的方式与处理二维数组类似。我们将使用 argmin() 函数的三个可选参数：axis、keepdims 和 arrray。

以下是一个查找三维 Numpy 数组中最小值的索引的示例：

import numpy as np arr = np.array([[[2, 1, 3], [4, 5, 1]], [[6, 7, 8], [10, 2, 1]]]) # 沿着第 2 轴查找最小值的索引 min_index = np.argmin(arr, axis=2, keepdims=True) print("数组: ") print(arr) print("最小值的索引: ") print(min_index)

输出：

数组: [[[2 1 3] [4 5 1]] [[6 7 8] [10 2 1]]] 最小值的索引: [[[1] [2]] [[0] [2]]]

在上面的代码中，我们创建了一个包含 2 个 shape 为 (2, 3) 的二维数组的三维 Numpy 数组。然后，我们使用 argmin() 函数并将其应用到第2个轴，以在每个数组中的每个子数组中查找最小值的索引。我们还将 keepdims 设为 True，以保持数组的维度。

结果，我们得到的是一个包含单个轴的数组，它的值是每个子数组中最小值所在的索引。在这个例子中，第一组子数组中最小值为 1，它在数组的第 1 列中出现；第二组子数组中最小值为 1，它在数组的第 2 列中出现。

使用 where() 函数查找最小值的索引

另一种查找 Numpy 数组中最小值索引的方法是使用 where() 函数。与 argmin() 函数不同，在 where() 函数中，您可以使用条件选择最小值。

以下是一个使用 where() 函数查找最小值索引的示例：

import numpy as np arr = np.array([5, 2, 10, 6, 2, 7, 1]) # 找到最小值的索引 min_index = np.where(arr == np.min(arr)) print("数组: ", arr) print("最小值的索引: ", min_index)

输出：

数组: [5 2 10 6 2 7 1] 最小值的索引: (array([6]),)

在上面的代码中，我们首先创建了一个包含整数的 Numpy 数组。然后，我们使用 where() 函数和条件 arr np.min(arr) 来查找最小值的索引。最小值的索引被包含在元组中（本例中为第七个元素），我们可以使用它来访问数组中的最小值。

总结

在本文中，我们介绍了如何在 Numpy 数组中查找最小值的索引。我们使用 argmin() 和 where() 函数来查找最小值的索引。我们还讨论了处理二维和三维 Numpy 数组的方法。

Numpy 数组是 Python 数据分析和科学计算中最常用的数据类型之一。掌握如何快速查找 Numpy 数组中的最小值索引，可以帮助我们更轻松地进行数据分析和处理。希望此文可以对您有所帮助！

【本文地址】

公司简介

联系我们