NumPy 1.14 - numpy.amax()

numpy.amax




numpy

numpy.amax

numpy.amax(a, axis=None, out=None, keepdims=<class 'numpy._globals._NoValue'>) [source]

किसी सरणी के अधिकतम या एक अक्ष के साथ अधिकतम लौटें।

पैरामीटर:

a : array_like

इनपुट डेटा।

अक्ष : कोई भी या int या ints, ints का वैकल्पिक

एक्सिस या कुल्हाड़ियों जिसके साथ काम करना है। डिफ़ॉल्ट रूप से, चपटा इनपुट का उपयोग किया जाता है।

संस्करण 1.7.0 में नया।

यदि यह चींटियों का टपल है, तो अधिकतम एक अक्ष या सभी अक्षों के बजाय पहले की तरह कई अक्षों पर चुना जाता है।

बाहर : ndarray, वैकल्पिक

वैकल्पिक आउटपुट ऐरे जिसमें रिजल्ट रखना है। अपेक्षित आउटपुट के समान आकार और बफर लंबाई होनी चाहिए। अधिक विवरण के लिए doc.ufuncs (अनुभाग "आउटपुट तर्क") देखें।

रखवाले : बूल, वैकल्पिक

यदि इसे True पर सेट किया जाता है, तो जो कुल्हाड़ियों को कम किया जाता है, उन्हें परिणाम में एक आकार के साथ आयाम के रूप में छोड़ दिया जाता है। इस विकल्प के साथ, परिणाम इनपुट सरणी के खिलाफ सही ढंग से प्रसारित होगा।

यदि डिफ़ॉल्ट मान पारित किया गया है, तो keepdims - keepdims को amax के उप-वर्गों के amax विधि के माध्यम से पारित नहीं किया जाएगा, हालांकि कोई भी गैर-डिफ़ॉल्ट मान होगा। यदि उप-वर्ग sum पद्धति रखने वाले को लागू नहीं keepdims किसी भी अपवाद को उठाया जाएगा।

यह दिखाता है:

मोम : ndarray या अदिश

अधिकतम a यदि axis कोई नहीं है, तो परिणाम एक अदिश मान है। यदि axis दिया जाता है, तो परिणाम आयाम a.ndim - 1 का एक सरणी है।

यह भी देखें

amin
किसी दिए गए अक्ष के साथ एक सरणी का न्यूनतम मूल्य, किसी भी NaN का प्रचार करना।
nanmax
किसी भी NaNs को अनदेखा करते हुए किसी दिए गए अक्ष के साथ एक सरणी का अधिकतम मूल्य।
maximum
तत्व-वार अधिकतम दो सरणियाँ, किसी भी NaN का प्रचार करना।
fmax
तत्व-वार अधिकतम दो सरणियों, किसी भी NaNs की अनदेखी।
argmax
अधिकतम मूल्यों के सूचकांकों को लौटाएं।

nanmin , minimum , fmin

टिप्पणियाँ

NaN मानों को प्रचारित किया जाता है, यदि कम से कम एक आइटम NaN है, तो संगत अधिकतम मान NaN भी होगा। NaN मानों (MATLAB व्यवहार) को अनदेखा करने के लिए, कृपया nanmax का उपयोग करें।

2 सरणियों के तत्व-वार तुलना के लिए amax उपयोग न करें; जब a.shape[0] 2, maximum(a[0], a[1]) amax(a, axis=0) से अधिक तेज़ हो।

उदाहरण

>>> a = np.arange(4).reshape((2,2))
>>> a
array([[0, 1],
       [2, 3]])
>>> np.amax(a)           # Maximum of the flattened array
3
>>> np.amax(a, axis=0)   # Maxima along the first axis
array([2, 3])
>>> np.amax(a, axis=1)   # Maxima along the second axis
array([1, 3])
>>> b = np.arange(5, dtype=float)
>>> b[2] = np.NaN
>>> np.amax(b)
nan
>>> np.nanmax(b)
4.0