本文介绍使用 np.argmax(a, axis=0) 快速获取二维 NumPy 数组中每列最大元素对应行号的方法，并通过示例、原理说明和注意事项帮助读者准确掌握该操作。
本文介绍使用 np.argmax(a, axis=0) 快速获取二维 numpy 数组中每列最大元素对应行号的方法，并通过示例、原理说明和注意事项帮助读者准确掌握该操作。
在处理二维数组时，常需定位每列（或每行）极值的位置而非值本身。例如，给定数组：
import numpy as np
a = np.array([[2, 3, 1, 9],
[0, 5, 4, 7],
[2, 4, 6, 8]])其各列最大值为 [2, 5, 6, 9]（即 np.amax(a, axis=0) 的结果），而它们所在行的索引分别为 [0, 1, 2, 0] —— 这正是 np.argmax 沿 axis=0（垂直方向，即按列）计算的结果：
row_indices = np.argmax(a, axis=0) print(row_indices) # 输出: [0 1 2 0]
✅ 原理说明：
-
axis=0表示沿行方向压缩（即对每一列内的所有行进行比较）； -
np.argmax返回每列中第一个出现的最大值的行索引（若存在多个相同最大值，仅返回最小索引）。
⚠️ 注意事项：
- 若需获取每行最大值的列索引，应改用
axis=1； -
np.argmax返回的是索引数组，类型为np.ndarray，可直接用于高级索引，如a[row_indices, np.arange(a.shape[1])]可提取各列最大值； - 对含
NaN的数组，np.argmax会将NaN视为最大值（因NaN > any number为False，但其内部排序行为不稳定），建议先用np.nanmax/np.nanargmax处理缺失值。
综上，np.argmax(a, axis=0) 是获取列方向最大值行索引的标准、高效且向量化的方式，无需循环或 np.where，是 NumPy 数据分析中的基础必备技巧。
