np.argmax() 默认在展平后的一维数组上返回最大值索引；axis=0时返回每列最大值的行号，axis=1时返回每行最大值的列号；遇重复最大值只返首个位置；含NaN时返回首个NaN位置，需用np.nanargmax()忽略NaN。
np.argmax() 返回的是哪个轴上的索引？
它默认在**展平后的一维数组**上找最大值位置，不是你直觉里“第一行”或“最后一列”的那个索引。比如 arr.shape == (3, 4)，np.argmax(arr) 返回的是 0–11 范围内的整数，对应 arr.ravel() 的下标。
要按行或列找，必须显式传 axis 参数：
-
np.argmax(arr, axis=0)：每列最大值的行号，结果形状是(4,) -
np.argmax(arr, axis=1)：每行最大值的列号，结果形状是(3,)
漏掉 axis 是新手最常踩的坑——你以为拿到了“每行最大值的列位置”，结果得到一个标量，后续用它去索引原数组直接报错 IndexError: index 7 is out of bounds for axis 0 with size 3。
argmax 遇到重复最大值怎么办？
它只返回**第一个匹配位置**的索引，不管后面还有几个一样大的值。这点和 Python 原生的 list.index(max(list)) 行为一致，但容易被误以为能“找出所有最大值位置”。
如果真需要全部位置，得换方法：
- 用
np.where(arr == arr.max())得到坐标元组，再用np.column_stack()拼成二维索引数组 - 或者先用
np.flatnonzero(arr == arr.max())拿到所有一维位置
注意 arr.max() 和 np.max(arr) 等价，但别写成 arr.argmax()——那是索引，不是值，比较会出错。
np.argmin() 和 np.argmax() 用法完全对称吗？
是的，除了找最小值 vs 最大值，其余行为 100% 一致：默认展平、支持 axis、遇到重复只返首个、返回类型都是 int64（除非数组 dtype 特别小）。
但有个隐蔽差异：当输入含 NaN 时，两者都返回 0（或第一个 NaN 位置），不报错也不跳过——这和 np.nanmax()/np.nanargmax() 完全不同。
- 想忽略
NaN找有效最大值索引？必须用np.nanargmax(arr) - 混用
np.argmax()和含NaN数组，结果大概率是错的，且很难 debug
用 argmax 索引原数组时为什么经常 IndexError？
因为 np.argmax() 返回的是“位置”，不是“坐标”。直接拿它去索引二维数组，Python 会当成对第 0 轴切片，比如 arr[np.argmax(arr)] 实际执行的是 arr[5]，相当于取第 5 行——而你的数组可能只有 3 行。
正确姿势分场景：
- 要取最大值本身：
arr.flat[np.argmax(arr)]或arr.ravel()[np.argmax(arr)] - 要取对应位置的其他数组元素（如标签）：
labels[np.argmax(scores)]，前提是labels和scores一一对应且同长 - 要取二维坐标再索引：
idx = np.unravel_index(np.argmax(arr), arr.shape); arr[idx]
最常被忽略的是 .flat 这个属性——它提供一维迭代器，支持整数索引，比 ravel() 更轻量，还不拷贝数据。
