numpy max - amax - maksimum

dışında numpy --- aynı şeyler için kullanılabilir gibi görünse üç farklı işlevlere sahiptir numpy.maximumolabilir ancak kullanılan eleman-akıllıca ederken,numpy.max ve numpy.amaxbelli eksenlerde veya tüm elementlerde kullanılabilir. Neden daha fazlası var numpy.max? Performansta bu konuda biraz incelik var mı?

(Benzer için mingenel aminvs minimum)

np.maxsadece bir takma addır np.amax. Bu işlev yalnızca tek bir giriş dizisi üzerinde çalışır ve bu dizinin tamamındaki maksimum öğenin değerini bulur (bir skaler döndürür). Alternatif olarak, bir axisbağımsız değişken alır ve giriş dizisinin bir ekseni boyunca maksimum değeri bulur (yeni bir dizi döndürür).

>>> a = np.array([[0, 1, 6],
                  [2, 4, 1]])
>>> np.max(a)
6
>>> np.max(a, axis=0) # max of each column
array([2, 4, 6])

Varsayılan davranış np.maximumalınmak iki diziler ve bunların öğeye göre maksimum hesaplamak. Burada 'uyumlu', bir dizinin diğerine yayınlanabileceği anlamına gelir. Örneğin:

>>> b = np.array([3, 6, 1])
>>> c = np.array([4, 2, 9])
>>> np.maximum(b, c)
array([4, 6, 9])

Ancak np.maximumaynı zamanda evrensel bir işlevdir , bu da çok boyutlu dizilerle çalışırken yararlı olan başka özelliklere ve yöntemlere sahip olduğu anlamına gelir. Örneğin, bir dizi (veya dizinin belirli bir ekseni) üzerindeki kümülatif maksimum değeri hesaplayabilirsiniz:

>>> d = np.array([2, 0, 3, -4, -2, 7, 9])
>>> np.maximum.accumulate(d)
array([2, 2, 3, 3, 3, 7, 9])

Bu ile mümkün değil np.max.

Şunları kullanırken bir dereceye kadar np.maximumtaklit edebilirsiniz :np.maxnp.maximum.reduce

>>> np.maximum.reduce(d)
9
>>> np.max(d)
9

Temel testler, iki yaklaşımın performans açısından karşılaştırılabilir olduğunu göstermektedir; ve np.max()aslındanp.maximum.reduce hesaplamayı yapmak için çağrılar gibi olmalılar .

Neden np.maximumfarklı olduğunu zaten belirtmiştiniz - iki dizi arasında eleman açısından maksimum olan bir dizi döndürür.

Gelince np.amaxve np.max: ikisi de aynı işlevi çağırır - np.maxyalnızca bir takma np.amaxaddır ve bir dizideki veya bir dizinin ekseni boyunca tüm öğelerin maksimumunu hesaplarlar.

In [1]: import numpy as np

In [2]: np.amax
Out[2]: <function numpy.core.fromnumeric.amax>

In [3]: np.max
Out[3]: <function numpy.core.fromnumeric.amax>

Tamlık için, Numpy'de dört maksimum ilgili işlev vardır. İki farklı kategoriye ayrılırlar:

• np.amax/np.max, np.nanmax: tek dizi sıra istatistikleri için
• ve np.maximum, np.fmax: bir öğeye göre karşılaştırma için iki dizi

I. için tek bir dizi sıra istatistikleri

NaNs yayıcısı np.amax/np.maxve NaN bilgisiz muadili np.nanmax.

• np.maxyalnızca bir takma adıdır np.amax, bu nedenle tek bir işlev olarak kabul edilirler.

  >>> np.max.__name__
  'amax'
  >>> np.max is np.amax
  True

• np.maxNaN'leri np.nanmaxyok sayarken NaN'leri yayar .

  >>> np.max([np.nan, 3.14, -1])
  nan
  >>> np.nanmax([np.nan, 3.14, -1])
  3.14

II. İki dizinin eleman bazında karşılaştırması için

NaNs yayıcısı np.maximumve NaNs cahil muadili np.fmax.

• Her iki işlev, karşılaştırmak için ilk iki konumsal bağımsız değişken olarak iki dizi gerektirir.

  # x1 and x2 must be the same shape or can be broadcast
  np.maximum(x1, x2, /, ...);
  np.fmax(x1, x2, /, ...)

• np.maximumNaN'leri np.fmaxyok sayarken NaN'leri yayar .

  >>> np.maximum([np.nan, 3.14, 0], [np.NINF, np.nan, 2.72])
  array([ nan,  nan, 2.72])
  >>> np.fmax([np.nan, 3.14, 0], [np.NINF, np.nan, 2.72])
  array([-inf, 3.14, 2.72])

• Element-wise fonksiyonlar np.ufunc( Universal Function ) ' dır, yani normal Numpy fonksiyonunda olmayan bazı özel özelliklere sahiptirler.

  >>> type(np.maximum)
  <class 'numpy.ufunc'>
  >>> type(np.fmax)
  <class 'numpy.ufunc'>
  >>> #---------------#
  >>> type(np.max)
  <class 'function'>
  >>> type(np.nanmax)
  <class 'function'>

Son olarak, aynı kurallar, ilgili minimum dört işlev için de geçerlidir :

• np.amin/np.min, np.nanmin;
• ve np.minimum, np.fmin.

np.maximum sadece elementwise karşılaştırması yapmakla kalmaz, aynı zamanda elementwise diziyi tek değerle karşılaştırır

>>>np.maximum([23, 14, 16, 20, 25], 18)
array([23, 18, 18, 20, 25])