numpy科学计算包中有两个函数np.max()和np.maximum(),他们的功能截然不同。简单而言即前者作用于ndarray对象,求的是它自身的最大。而后者是一个数学上的取$\max$的效果,它是一个运算。

  先说np.max()

>>>A = np.array([[1,8,3,6,5],[9,2,7,4,5]])
>>>np.max(A)
9
>>>np.max(A, axis=0)
array([9, 8, 7, 6, 5])
>>>np.max(A, axis=1)
array([8, 9])

  效果一目了然。不加axis参数的时候它会返回一个数组所有元素中的最大值。axis=0时它返回了列最大值,axis=1的时候它返回了行最大值。(这个时候它表现的像matlab里的max函数)

  你可能会问,axis=0不是行么?axis=1不是列么?怎么刚好反过来了。这个其实不是这样看的,它的计算方式和numpy看待数组的方式有关。看了我的这篇文章你会豁然开朗https://www.cnblogs.com/chester-cs/p/12682612.html

  再说np.maximum()  

>>>np.maximum(A, 5)
array([[5, 8, 5, 6, 5],[9, 5, 7, 5, 5]])
>>>np.maximum(A,10)
array([[10, 10, 10, 10, 10],[10, 10, 10, 10, 10]])

  前面已经说了np.maximum()是一个运算,看了上面的例子是不是一下就懂了?

numpy中的max和maximum相关推荐

  1. numpy 中np.max--求序列的最大值和np.maximum--X和Y逐位进行比较,选择最大值

    1.np.max(a, axis=None, out=None, keepdims=False) 求序列的最值 最少接受一个参数 axis默认为axis=0即列向,如果axis=1即横向 ex: &g ...

  2. pandas使用argmax函数返回给定series对象中最大值(max、maximum)的行索引实战

    pandas使用argmax函数返回给定series对象中最大值(max.maximum)的行索引实战 目录 pandas使用argmax函数返回给定series对象中最大值的行索引实战

  3. [云炬python学习笔记]Numpy中内置函数min(),max(),sum()与Python中内置函数min(),max(),sum()性能对比分析

    众所周知,Python有许多内置函数(例如min(),max(),sum()),Numpy也有自己的内置函数(np.min(),np.max(),np.sum()).由于Numpy的函数是在编译码中执 ...

  4. Numpy中的通用函数和聚合

    https://www.toutiao.com/a6675559636919124483/ 概述 在Numpy中存在着通用函数和聚合去对数据进行处理,numpy通过向量进行对数据数组的计算,而这些向量 ...

  5. numpy中方法参数axis取值理解

    numpy中方法参数axis取值理解 首先不要使用什么横纵轴去理解,因为时间长了就忘记了,而且如果a是一个三维数组就没法解释了. axis等于0时,在shape中表示的是二维数组.那么np.amin( ...

  6. 彻底理解numpy中的axis

    时下流行人工智能,python成为人工智能最好的处理语言,这与python中的科学计算模块numpy是分不开的.numpy相信大都数人都知道.而在numpy中,有很多的函数都涉及到axis,numpy ...

  7. 总结numpy中的ndarray,非常齐全

    公众号后台回复"图书",了解更多号主新书内容 来源:Python碎片 作者:binn.wong numpy(Numerical Python)是一个开源的Python数据科学计算库 ...

  8. python npv 计算公式_Python numpy 中常用的数据运算

    Numpy 精通面向数组编程和思维方式是成为Python科学计算大牛的一大关键步骤.--<利用Python进行数据分析> Numpy(Numerical Python)是Python科学计 ...

  9. python Numpy中array详解

    Numpy是Python的一个科学计算的库,提供了矩阵运算的功能,其一般与Scipy.matplotlib一起使用.其实,list已经提供了类似于矩阵的表示形式,不过numpy为我们提供了更多的函数. ...

最新文章

  1. 执行spring boot应用三种方式
  2. python实现真正的冒泡排序算法(时间复杂度优化版)!
  3. Qt Creator在3D编辑器中工作
  4. 探秘!在阿里云做产品经理是怎样的体验?
  5. ACM10.14题解
  6. 【最强VSCode】之管理MySql数据库
  7. WORD中如何自动生成目录?
  8. 求“厉害”数 (10 分)
  9. 2013蓝桥杯C++B:第39阶台阶(递归法);前缀判断
  10. 系统学习NLP(二十八)--GPT
  11. VScode环境配置C/C++
  12. 数学建模:Leslie离散人口发展模型
  13. lua utf8 gbk 编码转换
  14. AVX512与AVX2比较
  15. python之OCR文字识别
  16. Acdream 1729 Crime
  17. dnw驱动更新,支持全系统(xp,win7,win8/win10)
  18. Kubernetes-10 K8s集群安全机制
  19. 城市是最好的产业平台 —— 让企业成为城市的名片,城市成为企业的展厅
  20. 职场中干好工作的18准则

热门文章

  1. “村村响”,应急广播的物联网出路在何方?
  2. 开启/关闭 移动数据连接 Mobile Data
  3. js 更改body html,通过JavaScript更改body标签样式
  4. 基于excel实现接口自动化测试
  5. 微信小程序多图上传/朋友圈传图效果【附完整源码】
  6. 机构层级列表递归展示查询,并优化SQL查询
  7. 恒成立问题的必要性加充分性证明
  8. 大数据告诉你:何时工作最好找
  9. eggs和egg是什么意思_7种西餐中鸡蛋的常见做法和叫法
  10. docker系列(三)docker三剑客之Compose