NumPy参考 >例行程序 >Statistics > numpy.amax
numpy.amax（a，axis = None，out = None，keepdims = <无值>，初始= <无值>，其中= <无值> ）[源代码] ¶返回数组的最大值或沿轴的最大值。
输入数据。
沿其运行的一个或多个轴。默认情况下，使用拼合的输入。
1.7.0版中的新功能。
如果这是一个整数元组，则在多个轴上选择最大值，而不是像以前那样在单个轴或所有轴上进行选择。
放置结果的替代输出数组。必须具有与预期输出相同的形状和缓冲区长度。有关更多详细信息，请参见ufuncs-output-type。
如果将其设置为True，则缩小的轴将保留为尺寸1的尺寸。使用此选项，结果将针对输入数组正确广播。
如果传递了默认值，则keepdims不会传递给的amax子类的方法
ndarray，但是任何非默认值都将传递。如果子类的方法未实现keepdims，则将引发任何异常。
输出元素的最小值。必须存在以允许在空片上进行计算。有关reduce详细信息，请参见。
1.15.0版中的新功能。
要比较的最大元素。有关reduce
详细信息，请参见。
1.17.0版中的新功能。
最多个。如果axis为None，则结果为标量值。如果指定axis，则结果是一个维数组
。a.ndim - 1
也可以看看
笔记
将传播NaN值，即，如果至少一项是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amax用于2个数组的逐元素比较；当
a.shape[0]为2时，速度比快
。maximum(a[0], a[1])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])
>>> np.amax(a, where=[False, True], initial=-1, axis=0)
array([-1, 3])
>>> b = np.arange(5, dtype=float)
>>> b[2] = np.NaN
>>> np.amax(b)
nan
>>> np.amax(b, where=~np.isnan(b), initial=-1)
4.0
>>> np.nanmax(b)
4.0
您可以使用初始值来计算空切片的最大值，或将其初始化为其他值：
>>> np.max([[-50], [10]], axis=-1, initial=0)
array([ 0, 10])
请注意，初始值用作确定最大值的元素之一，这与默认参数Python的max函数不同，后者仅用于空的可迭代对象。
>>> np.max([5], initial=6)
6
>>> max([5], default=6)
5