一、通过np.max和np.where寻找【所有满足条件的解】
通过np.max()找矩阵的最大值，再通过np.where获得最大值的位置，代码如下：

import numpy as np
a = np.random.randint(1, 10, size=12)
a = a.reshape((3,4))
print(a)
print(np.max(a))
r, c = np.where(a == np.max(a))
print(r,c)

输出：

[[7 8 9 4]
 [9 3 9 3]
 [5 6 1 5]]

9

 [0 1 1] [2 0 2]

输出的是两个array，分别是x和y数组，即找出了和这个最值相等的所有位置。

二、通过np.argmax寻找【第一个满足条件的解】
把矩阵展成一维，np.argmax可以返回最大值在这个一维数组中第一次出现的位置，用这个位置除以矩阵的列数，所得的商就是最大值所在的行，所得的余数就是最大值所在的列。

import numpy as np
a = np.random.randint(1, 10, size=12)
a = a.reshape((3,4))
print(a)
print(np.max(a))
m = np.argmax(a)                # 把矩阵拉成一维，m是在一维数组中最大值的下标
r, c = divmod(m, a.shape[1])    # r和c分别为商和余数，即最大值在矩阵中的行和列
                                # m是被除数， a.shape[1]是除数
print(r, c)

输出：

[[5 5 9 7]
 [5 5 8 9]
 [2 3 9 3]]

9

0 2

可以看到只找到了第一个出现的最大值，后续的是搜索不到的。

以上就是python使用numpy寻找二维数组的最值及其下标的详细内容，更多关于python numpy最值下标的资料请关注其它相关文章！

原文链接：https://segmentfault.com/a/1190000040565590