np.max()和np.argmax()默认在全数组操作，多维时argmax返回展平索引，需unravel_index转坐标；指定axis可得某维极值及位置；遇重复最大值只返首个；含NaN需用nanargmax；性能足够，关键在正确使用axis和索引转换。

直接用 np.max() 和 np.argmax() 就够了，但得看清楚维度

想拿最大值和它在数组里的位置，np.max() 和 np.argmax() 是最常用组合。但它们默认在**整个数组上操作**，返回标量值或单个索引；如果数组是多维的，np.argmax() 返回的是展平后的线性索引（flattened index），不是二维坐标——这点容易误用。

• 一维数组：直接用没问题，np.argmax(arr) 返回的就是下标
• 二维及以上：若要获取行/列坐标，得配合 np.unravel_index() 转换，比如 np.unravel_index(np.argmax(arr), arr.shape)
• 如果只关心某一行或某一列的最大值，必须显式指定 axis 参数，否则结果不符合预期

axis 参数不写就等于“全数组”，写错方向会拿错结果

比如一个形状为 (3, 4) 的二维数组，np.argmax(arr, axis=0) 返回长度为 4 的数组，表示每列最大值所在的行号；而 axis=1 返回长度为 3 的数组，表示每行最大值所在的列号。漏掉 axis 或设反了，拿到的索引根本对不上你要查的那一维。

• np.max(arr, axis=0) → 每列最大值（结果 shape 是 (4,)）
• np.argmax(arr, axis=0) → 每列最大值所在行号（结果 shape 也是 (4,)）
• 想同时拿到某一行中最大值和列索引？先切片再调用：row = arr[1]; val, idx = np.max(row), np.argmax(row)

注意 np.argmax() 遇到多个相同最大值时只返回第一个

如果数组里有重复的最大值，np.argmax() 总是返回**首次出现的位置**，不会报错也不会提示。这在做图像阈值定位、信号峰值检测等场景中可能造成偏差，需要提前确认数据是否含重复极值。

macOS UI 自动化技能包 —— 用 Python 控制你的 Mac

让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限

下载

• 检查是否有多个最大值：用 np.where(arr == np.max(arr)) 可得所有匹配位置的元组（各维度坐标）
• 若需随机选一个而非首个，可先用 np.flatnonzero(arr == np.max(arr)) 得到所有线性索引，再用 np.random.choice() 抽取
• np.argmax() 对 NaN 敏感：只要有一个 NaN，结果通常是 0 或不可靠，务必先用 np.nanmax() / np.nanargmax()

性能差异小，但 np.max() + np.argmax() 不是原子操作

虽然两个函数都很快，但它们是独立执行的：np.max() 扫一遍找最大值，np.argmax() 再扫一遍找位置。对超大数组，如果担心两次遍历开销，可以手写一次循环（用 Numba 加速），但绝大多数场景没必要。

立即学习“Python免费学习笔记（深入）”；

• 内置函数已高度优化，实际差距通常在毫秒级以内
• 不要为了“省一次遍历”去手动实现，除非 profiling 确实发现它是瓶颈
• 真正要注意的是数据类型：传入 float32 数组时，np.argmax() 结果仍是 int64，但索引本身不会溢出，无需额外处理

用熟 np.argmax() 的 axis 和展平索引逻辑，比记住所有变体函数更重要。很多人卡在二维坐标转换那步，其实就差一个 np.unravel_index()。