NumPyargmin()函数详解

目录

• 一、argmin 是什么？
• 二、基本语法
• 三、基础示例
• 2、一维数组
• 2、二维数组
• （1）不指定 axis
• （2）按行查找（axis=1）
• （3）按列查找（axis=0）
• 四、argmin 与 min 的区别
• 五、在机器学习中的应用
• 🎯 示例：选择误差最小的模型参数
• 六、argmin 与 argmax 的对比
• 七、常见坑点总结

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。

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

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。

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。

arr = np.array([
    [3, 7, 1],
    [9, 5, 2]
])

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。

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

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）

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

argmin() 在机器学习中也很实用，尤其在模型评估或聚类分析中。

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。

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。

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()内容请搜索风君子博客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风君子博客！

您可能感兴趣的文章:

• Python中的np.argmin()和np.argmax()函数用法