NumPy argmin()函数详解

 更新时间:2025年11月24日 11:11:36   作者:Geoking.  
在数据分析、图像处理或机器学习任务中,常常需要找到数组或矩阵中最小值的位置,NumPy提供的argmin函数就能帮我们完成,本文将系统介绍 argmin() 的作用、用法、常见坑点,感兴趣的可以了解一下

在数据分析、图像处理或机器学习任务中,常常需要找到数组或矩阵中最小值的位置NumPy 提供的 argmin() 函数就能帮我们完成。本文将系统介绍 argmin() 的作用、用法、常见坑点,以及与 argmax() 的关系。

一、argmin 是什么?

argmin 是 “argument of the minimum” 的缩写,
意思是 最小值对应的索引

它返回的不是最小值,而是最小值的索引位置

👉官方文档介绍地址numpy.argmin

二、基本语法

numpy.argmin(a, axis=None)
参数说明
a输入数组或矩阵
axis指定沿哪个轴寻找最小值的索引,默认为 None(即对整个数组展平处理)

返回值:
👉 一个整数(如果 axis=None)或包含索引的数组。

三、基础示例

2、一维数组

import numpy as np

arr = np.array([10, 25, 8, 36, 5])
index = np.argmin(arr)

print("最小值索引:", index)
print("最小值:", arr[index])

输出:

最小值索引: 4
最小值: 5

解释:最小值为 5,位于索引 4 位置。

2、二维数组

arr = np.array([
    [3, 7, 1],
    [9, 5, 2]
])

(1)不指定 axis

np.argmin(arr)

输出:

2

因为数组展平成 [3,7,1,9,5,2],最小值 1 的索引为 2。

(2)按行查找(axis=1)

np.argmin(arr, axis=1)

输出:

[2, 2]

解释:

  • 第一行最小值 1 在索引 2
  • 第二行最小值 2 也在索引 2

(3)按列查找(axis=0)

np.argmin(arr, axis=0)

输出:

[0, 1, 0]

解释:

  • 第 1 列最小值在第 1 行(索引 0)
  • 第 2 列最小值在第 2 行(索引 1)
  • 第 3 列最小值在第 1 行(索引 0)

四、argmin 与 min 的区别

函数返回内容示例
np.min()最小值np.min([2,8,3]) → 2
np.argmin()最小值的索引np.argmin([2,8,3]) → 0

两者可以搭配使用:

arr = np.array([2, 8, 3])
print("最小值:", np.min(arr))
print("最小值索引:", np.argmin(arr))

输出:

最小值: 2
最小值索引: 0

五、在机器学习中的应用

argmin() 在机器学习中也很实用,尤其在模型评估或聚类分析中。

🎯 示例:选择误差最小的模型参数

import numpy as np

errors = np.array([0.32, 0.28, 0.45, 0.25, 0.31])

best_index = np.argmin(errors)
print("误差最小的模型索引:", best_index)
print("最小误差:", errors[best_index])

输出:

误差最小的模型索引: 3
最小误差: 0.25

解释:
模型 3 的误差最小,因此最优。

六、argmin 与 argmax 的对比

功能函数返回内容应用场景
找最大值索引np.argmax()最大值的位置分类预测、最大概率标签
找最小值索引np.argmin()最小值的位置最小误差、最优损失点

在模型训练或参数调优中,我们通常会用:

  • argmin(losses):找到损失最小的 epoch;
  • argmax(accuracy):找到准确率最高的模型。

七、常见坑点总结

问题错误示例正确做法
忘记指定 axis 导致结果不符合预期np.argmin(matrix)指定 axis=1 或 axis=0
想取最小值却用 argminnp.argmin(x)改为 np.min(x)
想取二维位置但忘记转换直接打印索引使用 np.unravel_index()

到此这篇关于NumPy argmin()函数详解的文章就介绍到这了,更多相关NumPy argmin()内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • python实现三次密码验证的示例

    python实现三次密码验证的示例

    这篇文章主要介绍了python实现三次密码验证的示例,帮助大家更好的理解和学习使用python,感兴趣的朋友可以了解下
    2021-04-04
  • Python模块导入问题终极解决方法指南

    Python模块导入问题终极解决方法指南

    这篇文章主要介绍了Python模块导入机制,包括sys.path的作用、包与模块的区别,以及常见导入问题如ModuleNotFoundError和相对导入问题的解决方法,文中通过代码介绍的非常详细,需要的朋友可以参考下
    2025-02-02
  • Django搭建MySQL主从实现读写分离

    Django搭建MySQL主从实现读写分离

    本文主要介绍了Django搭建MySQL主从实现读写分离,文中通过示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2021-08-08
  • 解决python3安装pandas出错的问题

    解决python3安装pandas出错的问题

    这篇文章主要介绍了解决python3安装pandas出错的问题,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教
    2021-05-05
  • 利用Python学习RabbitMQ消息队列

    利用Python学习RabbitMQ消息队列

    RabbitMQ和邮局的主要区别就是RabbitMQ接收、存储和发送的是二进制数据----消息,本篇文章给大家介绍利用Python学习RabbitMQ消息队列,对python消息队列相关知识感兴趣的朋友参考下
    2015-11-11
  • Python的闭包和装饰器你真的了解吗

    Python的闭包和装饰器你真的了解吗

    这篇文章主要为大家详细介绍了Python的闭包和装饰器,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下,希望能够给你带来帮助
    2022-02-02
  • 使用Python监控屏幕变化并截图的方法详解

    使用Python监控屏幕变化并截图的方法详解

    这篇文章主要介绍了如何使用Python监控屏幕变化并截图,文中通过代码示例给大家讲解的非常详细,并对大家的学习工作有一定的帮助,需要的朋友可以参考下
    2024-04-04
  • 浅谈python中set使用

    浅谈python中set使用

    下面小编就为大家带来一篇浅谈python中set使用。小编觉得挺不错的,现在就分享给大家,也给大家做个参考。一起跟随小编过来看看吧
    2016-06-06
  • 浅谈Python黑帽子取代netcat

    浅谈Python黑帽子取代netcat

    本篇文章通过一个小小实例给大家分析了Python黑帽子取代netcat的过程以及相关知识点,对此有兴趣的朋友可以学习下。
    2018-02-02
  • Python随机数种子(random seed)的设置小结

    Python随机数种子(random seed)的设置小结

    随机数种子是控制伪随机数生成器的初始值,通过设置相同的种子,可以确保随机数序列的一致性,本文主要介绍了Python随机数种子(random seed)的设置,感兴趣的可以了解一下
    2025-03-03

最新评论