我要评论在数据分析、图像处理或机器学习任务中，常常需要找到数组或矩阵中最小值的位置。numpy 提供的 argmin() 函数就能帮我们完成。本文将系统介绍 argmin() 的作用、用法、常见坑点，以及与 argmax() 的关系。
一、argmin 是什么？
argmin 是 “argument of the minimum” 的缩写，
意思是 最小值对应的索引。
它返回的不是最小值，而是最小值的索引位置。
👉官方文档介绍地址numpy.argmin
二、基本语法
numpy.argmin(a, axis=none)
| 参数 | 说明 |
|---|---|
| a | 输入数组或矩阵 |
| axis | 指定沿哪个轴寻找最小值的索引，默认为 none（即对整个数组展平处理） |
返回值：
👉 一个整数（如果 axis=none）或包含索引的数组。
三、基础示例
2、一维数组
import numpy as np
arr = np.array([10, 25, 8, 36, 5])
index = np.argmin(arr)
print("最小值索引：", index)
print("最小值：", arr[index])
输出：
最小值索引： 4
最小值： 5
解释：最小值为 5，位于索引 4 位置。
2、二维数组
arr = np.array([
[3, 7, 1],
[9, 5, 2]
])
（1）不指定 axis
np.argmin(arr)
输出：
2
因为数组展平成 [3,7,1,9,5,2]，最小值 1 的索引为 2。
（2）按行查找（axis=1）
np.argmin(arr, axis=1)
输出：
[2, 2]
解释：
- 第一行最小值 1 在索引 2
- 第二行最小值 2 也在索引 2
（3）按列查找（axis=0）
np.argmin(arr, axis=0)
输出：
[0, 1, 0]
解释：
- 第 1 列最小值在第 1 行（索引 0）
- 第 2 列最小值在第 2 行（索引 1）
- 第 3 列最小值在第 1 行（索引 0）
四、argmin 与 min 的区别
| 函数 | 返回内容 | 示例 |
|---|---|---|
| np.min() | 最小值 | np.min([2,8,3]) → 2 |
| np.argmin() | 最小值的索引 | np.argmin([2,8,3]) → 0 |
两者可以搭配使用：
arr = np.array([2, 8, 3])
print("最小值：", np.min(arr))
print("最小值索引：", np.argmin(arr))
输出：
最小值： 2
最小值索引： 0
五、在机器学习中的应用
argmin() 在机器学习中也很实用，尤其在模型评估或聚类分析中。
🎯 示例：选择误差最小的模型参数
import numpy as np
errors = np.array([0.32, 0.28, 0.45, 0.25, 0.31])
best_index = np.argmin(errors)
print("误差最小的模型索引：", best_index)
print("最小误差：", errors[best_index])
输出：
误差最小的模型索引： 3
最小误差： 0.25
解释：
模型 3 的误差最小，因此最优。
六、argmin 与 argmax 的对比
| 功能 | 函数 | 返回内容 | 应用场景 |
|---|---|---|---|
| 找最大值索引 | np.argmax() | 最大值的位置 | 分类预测、最大概率标签 |
| 找最小值索引 | np.argmin() | 最小值的位置 | 最小误差、最优损失点 |
在模型训练或参数调优中，我们通常会用：
argmin(losses)：找到损失最小的 epoch；argmax(accuracy)：找到准确率最高的模型。
七、常见坑点总结
| 问题 | 错误示例 | 正确做法 |
|---|---|---|
| 忘记指定 axis 导致结果不符合预期 | np.argmin(matrix) | 指定 axis=1 或 axis=0 |
| 想取最小值却用 argmin | np.argmin(x) | 改为 np.min(x) |
| 想取二维位置但忘记转换 | 直接打印索引 | 使用 np.unravel_index() |
到此这篇关于numpy argmin()函数详解的文章就介绍到这了,更多相关numpy argmin()内容请搜索代码网以前的文章或继续浏览下面的相关文章希望大家以后多多支持代码网！
发表评论