python - numpy max vs amax vs 最大值

Question

numpy 具有三个不同的功能，它们似乎可以用于相同的事情 --- 除了 numpy.maximum 可以仅 以元素方式使用，而numpy.max 和 numpy.amax 可用于特定轴或所有元素。为什么不只是 numpy.max？这在性能上有什么微妙之处吗？

(同样适用于 min vs. amin vs. minimum)

Answer 1

np.max 只是 np.amax 的别名。此函数仅适用于 single 输入数组，并在整个数组中找到最大元素的值(返回一个标量)。或者，它接受一个 axis 参数，并沿输入数组的轴找到最大值(返回一个新数组)。

>>> 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])

np.maximum 的默认行为是采用 两个 数组并计算它们的元素最大值。在这里，“兼容”意味着一个数组可以广播到另一个数组。例如:

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

但 np.maximum 也是 universal function这意味着它具有在处理多维数组时有用的其他功能和方法。例如，您可以计算数组(或数组的特定轴)上的累积最大值:

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

这对于 np.max 是不可能的。

在使用np.maximum.reduce时，可以让np.maximum在一定程度上模仿np.max:

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

基本测试表明这两种方法的性能相当；它们应该是 np.max() actually calls np.maximum.reduce进行计算。