本文共 1682 字，大约阅读时间需要 5 分钟。

np.max(a, axis=None, out=None, keepdims=False)

• 求序列的最值
• 最少接收一个参数
• axis：默认为列方向，即axis=0

一般为二维数组，用来表示行和列的信息：

>>> import numpy as np>>> z = np.array([[1, 2, 3], [4, 5, 6]])>>> z[0]     # the first element of z is a 1D arrayarray([1, 2, 3])>>> z[1]     # the second element of z is also a 1D arrayarray([4, 5, 6])>>> z[0, 0]  # the element at row 0, column 01>>> z[1, 2]  # the element at row 1, column 26

1.当axis=0和axis=1时

这种情况是较为一般（普通）的情况：

• 当axis=0时表示取每一列的最大值：

>>> import numpy as np>>> z = np.array([[1, 2, 3], [4, 5, 6]])  # array pictured above>>> np.max(z, axis=0)array([4, 5, 6])        # maximum along each 1D array                        # parallel to axis 0

• 当axis=1时表示取每一行的最大值：

>>> np.max(z, axis=1)array([3, 6])           # maximum along each 1D array                        # parallel to axis 1

在Python环境中运行一下，可以很直观的看出这两个参数的作用：

2.当axis=2时（特殊情况）

参数axis=2时属于特殊情况，网上也很少有相关的资料说明，所以特此写篇新博客在这里解释一下。

如果说之前当axis=0或1时，对数组的操作属于二维空间上的操作，那么当axis=2的时候就属于三维空间上的操作了。

可以想象一下，之前的取行或者列的最大值是在x轴和y轴上进行运算，现在又新增加了一个z轴，相当于三维空间坐标系xOyOz。

那么，

• 当axis=0的时候表示取上下两维的最大值：

>>> z = np.arange(24).reshape(2,3,4)   # array pictured above>>> np.max(z, axis=0)array([[12, 13, 14, 15],               # maximum along each       [16, 17, 18, 19],               # 1D array parallel       [20, 21, 22, 23]])              # to axis 0

• 当axis=1的时候表示取上下两维列的最大值：

>>> np.max(z, axis=1)                  # maximum along eacharray([[ 8,  9, 10, 11],               # 1D array parallel       [20, 21, 22, 23]])              # to axis 1

• 当axis=2的时候表示取上下两维行的最大值：

>>> np.max(z, axis=2)                  # maximum along eacharray([[ 3,  7, 11],                   # 1D array parallel       [15, 19, 23]])                  # to axis 2

如图所示：

转载地址：http://urrpi.baihongyu.com/