numpy.argmin

numpy.argmin(a, axis=None, out=None, *, keepdims=<no value>)[source]

Возвращает индексы минимальных значений вдоль оси.

Параметры:

aarray_like

Входной массив.

axisint, необязательно

По умолчанию, индекс в сплющенном массиве, иначе вдоль указанной оси.

outarray, необязательно

Если указано, результат будет вставлен в этот массив. Он должен иметь соответствующую форму и тип данных.

keepdimsbool, необязательно

Если установлено в True, оси, которые были уменьшены, остаются в результате как размерности с размером один. С этим параметром результат будет корректно транслироваться относительно массива.

Введено в версии 1.22.0.

Возвращает:

index_arrayndarray целых чисел

Массив индексов в массиве. Он имеет ту же форму, что и a.shape с удалённой размерностью вдоль axis. Если keepdims установлено в True, то размер axis будет равен 1, и результат будет иметь такую же форму, что и a.shape.

См. также

ndarray.argmin, argmax

amin

Минимальное значение вдоль заданной оси.

unravel_index

Преобразование плоского индекса в кортеж индексов.

take_along_axis

Применение np.expand_dims(index_array, axis) от argmin к массиву, как если бы вызывалась функция min.

Примечания

В случае нескольких вхождений минимальных значений возвращаются индексы, соответствующие первому вхождению.

Примеры

>>> a = np.arange(6).reshape(2,3) + 10
>>> a
array([[10, 11, 12],
       [13, 14, 15]])
>>> np.argmin(a)
0
>>> np.argmin(a, axis=0)
array([0, 0, 0])
>>> np.argmin(a, axis=1)
array([0, 0])

Индексы минимальных элементов многомерного массива:

>>> ind = np.unravel_index(np.argmin(a, axis=None), a.shape)
>>> ind
(0, 0)
>>> a[ind]
10

>>> b = np.arange(6) + 10
>>> b[4] = 10
>>> b
array([10, 11, 12, 13, 10, 15])
>>> np.argmin(b)  # Only the first occurrence is returned.
0

>>> x = np.array([[4,2,3], [1,0,3]])
>>> index_array = np.argmin(x, axis=-1)
>>> # Same as np.amin(x, axis=-1, keepdims=True)
>>> np.take_along_axis(x, np.expand_dims(index_array, axis=-1), axis=-1)
array([[2],
       [0]])
>>> # Same as np.amax(x, axis=-1)
>>> np.take_along_axis(x, np.expand_dims(index_array, axis=-1),
...     axis=-1).squeeze(axis=-1)
array([2, 0])

Установка keepdims на True,

>>> x = np.arange(24).reshape((2, 3, 4))
>>> res = np.argmin(x, axis=1, keepdims=True)
>>> res.shape
(2, 1, 4)