常常需要找到乙個列表中或者陣列中最小的值並返回索引，經常用，經常忘，害。
list1 =[1
,2,3
,2,1
]print
(list1.index(
max(a)))
#結果：2
list2 =[1
,2,3
,4]print
(list2.index(
min(b)))
#結果：0
1、直接用陣列形式進行輸入
>>
> arr1 = np.array([1
,2,3
,4])
>>
> np.
max(arr1)
4>>
> np.argmax(arr1)
3
其中獲得最大值：max(arr,axis = none)
>>
> arr = np.arange(9)
.reshape((3
,3))
>>
> arr
array([[
0,1,
2],[
3,4,
5],[
6,7,
8]])
>>
> np.
max(arr)
# 獲得全域性最大值
8>>
> np.
max(arr, axis =1)
# 按行取得最大值
array([2
,5,8
])>>
> np.
max(arr, axis =0)
# 按列取得最大值
array([6
,7,8
])
>>
>
print
(np.where(a==np.
max(arr)))
(array([2
], dtype=int64)
, array([2
], dtype=int64)
)#表示最大值在第二行第二列
>>
>
print
(np.where(arr==np.
max(arr,axis=0)
))(array([2
,2,2
], dtype=int64)
, array([0
,1,2
], dtype=int64)
)# 表示最大值分別在第二行第零列，第二行第一列，第二行第二列
>>
> arr[0,
0]=8
>>
> arr[0,
2]=8
>>
> arr
array([[
8,1,
8],[
3,4,
5],[
6,7,
8]])
>>
>
print
(np.where (arr==np.
max(arr)))
(array([0
,0,2
], dtype=int64)
, array([0
,2,2
], dtype=int64)
)
>>
> arr1 = np.array([1
,2,3
,4])
>>
>list1 = arr1.tolist(
)>>
> np.argmax(arr1)
3>>
> list1.index(
max(list1)
)3
np.lexsort(a,b): 通過對b從小到大排序的索引對a在進行排序
>>
> list2 =[3
,4,2
,1]>>
> arr2 = np.array(
(np.arange(
len(list2)
),list2)).t
>>
> arr2
array([[
0,3]
,[1,
4],[
2,2]
,[3,
1]])
>>
> list2[3
,4,2
,1]>>
> index = np.lexsort(
(arr2[:,
0],arr2[:,
1]))
# 通過對arr2[:1]j進行排序返回索引
>>
> index
array([3
,2,0
,1], dtype=int64)
>>
> arr2[index]
# 完成對arr2[:1]進行排序，同時對應的arr[:,0]相應進行改變
array([[
3,1]
,[2,
2],[
0,3]
,[1,
4]])
列表和陣列的區別
python列表和numpy陣列的區別 numpy使用ndarray物件來處理多維陣列，該物件是乙個快速而靈活的大資料容器。使用python列表可以儲存一維陣列，通過列表的巢狀可以實現多維陣列，那麼為什麼還需要使用numpy呢？numpy是專門針對陣列的操作和運算進行了設計，所以陣列的儲存效率和輸入...
列表和陣列的使用區別
都可以根據索引來取其中的元素 列表中資料型別可以不同，陣列中資料型別相同列表不可以進行科 算，陣列可以 import numpy as np list 1,2,3,4 list是列表型別 a np.array 1 2,3 4 a是陣列型別 list和array都可以根據索引來操作 print lis...
2 列表和陣列
從0開始指出相對於序列開頭的偏移量。這顯得更自然，同時可迴繞到序列末尾，用負索引表示序列末尾元素的位置。禁止修改序列通常出於技術方面的考慮，與python的內部工作原理相關，這也是有些內建函式返回元組的原因所在。如果函式呼叫返回乙個序列，可直接對其執行索引操作。fourth input year 3...