numpy max vs amax vs maximum

Question

numpy的具有看起来他们可被用于同样的东西三个不同的函数---不同之处在于numpy.maximum可仅被用于逐元素,而numpy.max且numpy.amax可以在特定轴,或所有元件一起使用.为什么不仅仅是numpy.max？在性能方面是否有一些微妙之处？

(同样适用于minvs. aminvs. minimum)

Answer 1

np.max只是一个别名np.amax.此函数仅适用于单个输入数组,并在整个数组中查找最大元素的值(返回标量).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])

默认行为np.maximum是采用两个数组并计算其元素最大值.这里,'兼容'意味着一个阵列可以广播到另一个阵列.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它也是一个通用函数,这意味着它具有在处理多维数组时有用的其他特性和方法.例如,您可以计算数组(或数组的特定轴)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])

这是不可能的np.max.

使用时,您可以在一定程度上np.maximum模仿:np.maxnp.maximum.reduce

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

基本测试表明这两种方法在性能上具有可比性; 它们应该像np.max()实际上要求np.maximum.reduce进行计算一样.

Answer 2

您已经说明了为什么np.maximum不同 - 它返回一个数组,它是两个数组之间的元素最大值.

至于np.amax和np.max:它们都调用相同的函数 - np.max只是一个别名np.amax,它们计算数组中所有元素的最大值,或者沿着数组的轴.

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>

Answer 3

为了完整起见，在 Numpy 中有四个最大的相关函数。它们分为两个不同的类别：

• np.amax/np.max, np.nanmax: 用于单数组顺序统计
• and np.maximum, np.fmax: 用于两个数组的逐元素比较

一、对于单数组顺序统计

NaN 传播器np.amax/np.max及其 NaN 无知对应物np.nanmax。

• np.max只是 的别名np.amax，因此它们被视为一个函数。

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

• np.max传播 NaN 而np.nanmax忽略 NaN。

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

二、用于两个数组的逐元素比较

NaNs 传播器np.maximum和它的 NaNs 无知对应物np.fmax。

• 这两个函数都需要两个数组作为要比较的前两个位置参数。

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

• np.maximum传播 NaN 而np.fmax忽略 NaN。

  >>> 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])
  

• 逐元素函数是np.ufunc( Universal Function )，这意味着它们具有一些普通 Numpy 函数没有的特殊属性。

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

最后，同样的规则适用于四个最小相关函数：

• np.amin/np.min, np.nanmin;
• 和np.minimum，np.fmin。