numpy.amax

numpy.amax(a, axis=None, out=None, keepdims=False) [source]

Возвращает максимальное значение массива или максимальное значение по оси.

Параметры:

a : array_like Входные данные. axis : None или int или кортеж из целых чисел, необязательно Ось или оси, по которым выполнять операцию. По умолчанию используется уплощенный вход. Если это кортеж целых чисел, максимальное значение выбирается по нескольким осям вместо одной оси или всех осей, как раньше. out : ndarray, необязательно Альтернативный массив вывода, в который следует поместить результат. Должен иметь ту же форму и длину буфера, что и ожидаемый результат. См. doc.ufuncs (Раздел «Аргументы вывода») для получения дополнительных сведений. keepdims : bool, необязательно Если это установлено в True, оси, которые были уменьшены, остаются в результате как измерения с размером один. С этим вариантом результат будет правильно транслироваться по отношению к исходному arr.

Возвращает:

amax : ndarray или скаляр Максимальное значение a. Если axis равно None, результат представляет собой скалярное значение. Если axis задано, результат представляет собой массив размерности a.ndim - 1.

См. также

amin

Минимальное значение массива по заданной оси, распространяя любые NaN.

nanmax

Максимальное значение массива по заданной оси, игнорируя любые NaN.

maximum

Максимальное значение по элементам двух массивов, распространяя любые NaN.

fmax

Максимальное значение по элементам двух массивов, игнорируя любые NaN.

argmax

Возвращает индексы максимальных значений.

nanmin, minimum, fmin

Примечания

Значения NaN распространяются, то есть если хотя бы один элемент — NaN, соответствующее максимальное значение также будет NaN. Чтобы игнорировать значения NaN (поведение MATLAB), используйте nanmax.

Не используйте amax для поэлементного сравнения 2 массивов; когда a.shape[0] равно 2, maximum(a[0], a[1]) быстрее, чем amax(a, axis=0).

Примеры

>>> 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=np.float)
>>> b[2] = np.NaN
>>> np.amax(b)
nan
>>> np.nanmax(b)
4.0