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 сплющенный вход. Если это кортеж из целых чисел, максимальное значение выбирается по нескольким осям, а не по одной оси или всем осям, как раньше. out : ndarray, необязательно Альтернативный выходной массив, в котором нужно разместить результат. Должен иметь такую же форму и длину буфера, как и ожидаемый результат. См. doc.ufuncs (Раздел «Аргументы вывода») для получения дополнительной информации. keepdims : bool, необязательно Если это установлено в True, оси, по которым выполнено сокращение, остаются в результате в качестве измерений с размером один. С этим вариантом результат будет правильно транслироваться относительно исходного arr.

Возвращает:

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

См. также

amin

Минимальное значение массива по заданной оси, распространяя любые значения NaN.

nanmax

Максимальное значение массива по заданной оси, игнорируя любые значения NaN.

maximum

Элемент-по-элемент максимум двух массивов, распространяя любые значения NaN.

fmax

Элемент-по-элемент максимум двух массивов, игнорируя любые значения 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 проигнорировать значения NaN (поведение MATLAB), пожалуйста, используйте nanmax.

Не используйте amax для сравнения элементов попарно двух 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