NumPy argmax()函数详解_ar

在日常数据分析和机器学习中，经常需要找到数组或矩阵中最大值的位置，这时，numpy 提供的 argmax() 函数就派上了用场。本文将系统地了解 argmax() 的作用、用法、常见陷阱以及在机器学习中的实际应用。

一、argmax 是什么？

argmax 全称是 “argument of the maximum”，直译为 “最大值对应的索引”。

它返回的是 最大值的索引，而不是最大值本身。

numpy.argmax(a, axis=none)

参数	说明
`a`	要计算的数组或矩阵
`axis`	指定沿哪个轴查找最大值的位置，默认为 `none`（即将数组展平成一维）

返回值：👉 一个整数（如果 axis=none）或一个包含索引的数组。

下边是其官方文档的介绍，官网链接numpy.argmax

import numpy as np

arr = np.array([10, 25, 18, 36, 5])
index = np.argmax(arr)

print("最大值索引：", index)
print("最大值：", arr[index])

输出：

最大值索引： 3
最大值： 36

解释：最大值是 36，位于索引位置 3。

arr = np.array([
    [1, 7, 3],
    [4, 9, 2]
])

np.argmax(arr)

输出：

4

因为数组展平成 [1,7,3,4,9,2]，最大值 9 在索引 4 位置。

np.argmax(arr, axis=1)

输出：

[1, 1]

解释：

np.argmax(arr, axis=0)

输出：

[1, 1, 0]

解释：

函数	返回内容	示例
np.max()	最大值	np.max([1,3,2]) → 3
np.argmax()	最大值的索引	np.argmax([1,3,2]) → 1

两者常搭配使用：

arr = np.array([2, 8, 5])
print("最大值：", np.max(arr))
print("最大值索引：", np.argmax(arr))

输出：

最大值： 8
最大值索引： 1

argmax() 在机器学习中非常常见，尤其在分类任务中用于获取预测类别标签。

假设模型输出如下概率矩阵：

import numpy as np

proba = np.array([
    [0.1, 0.8, 0.1],
    [0.6, 0.3, 0.1],
    [0.2, 0.4, 0.4]
])

我们想得到每个样本的预测类别（即概率最大的那一类）：

pred_labels = np.argmax(proba, axis=1)
print(pred_labels)

输出：

[1, 0, 1]

解释：

✅ 这正是深度学习模型（如 softmax 输出层）中最常见的做法。

问题	错误示例	正确做法
没有指定 axis 导致结果不符合预期	np.argmax(matrix)	指定 axis=1 或 axis=0
想取最大值却用 argmax	np.argmax(x)	改为 np.max(x)
想得到二维坐标但忘了用 np.unravel_index()	直接打印索引	使用 np.unravel_index() 转换