numpy.amax

numpy.amax(a, axis=None, out=None, keepdims=<class numpy._globals._NoValue>)

返回沿轴的数组或最大值的最大值。

参数：

a：array_like

输入数据。

axis：无或int或tuple ints，可选

要进行操作的轴或轴。默认情况下，使用平展输入。

如果这是一个ints的元组，则选择多个轴的最大值，而不是单个轴或所有轴，如前所述。

out：ndarray，可选

用于放置结果的替代输出数组。必须与预期输出具有相同的形状和缓冲区长度。有关更多详细信息，请参阅doc.ufuncs（“输出参数”部分）。

keepdims：bool，可选

如果设置为True，则缩小的轴在结果中保留为尺寸为1的尺寸。使用此选项，结果将相对于原始arr正确广播。

如果传递默认值，则keepdims将不会传递到ndarray的子类的amax方法，默认值为。如果子类sum方法不实现keepdims，则会引发任何异常。

返回：

amax：ndarray或scalar

最大a。如果axis为None，则结果为标量值。如果给出axis，则结果是尺寸a.ndim - 1 t1>。

也可以看看

amin

沿着给定轴的数组的最小值，传播任何NaN。

nanmax

沿给定轴的数组的最大值，忽略任何NaN。

maximum

元素最大值为两个数组，传播任何NaN。

fmax

元素最大两个数组，忽略任何NaN。

argmax

返回最大值的索引。

nanmin，minimum，fmin

笔记

NaN值被传播，即如果至少一个项是NaN，则相应的最大值也将是NaN。要忽略NaN值（MATLAB行为），请使用nanmax。

不要使用amax来比较2数组；当a.shape[0]为2，最大值（a [0]， a [1]）快于amax（a， axis = 0）。

例子

>>> a = np.arange(4).reshape((2,2))
>>> a
array([[0, 1],
       [2, 3]])
>>> np.amax(a)           # Maximum of the flattened array
3
>>> np.amax(a, axis=0)   # Maxima along the first axis
array([2, 3])
>>> np.amax(a, axis=1)   # Maxima along the second axis
array([1, 3])

>>> b = np.arange(5, dtype=np.float)
>>> b[2] = np.NaN
>>> np.amax(b)
nan
>>> np.nanmax(b)
4.0