更大的事情更重要！这些实体播下了偏见的种子，使数据集的结果产生偏差，扭曲其平均值，并给观众一种与现实不符的错觉。在本文中，我们将研究使用Python numpy库中的Maximum()函数查找数组中给定元素中的最大值所涉及的步骤序列。在开始之前，让我们首先了解它的语法。
另请阅读：如何在数组上使用 Numpy 最小值？
max()函数的语法
以下是包含强制元素和可选元素的基本构造，这些元素是为numpy库中的Maximum()函数的有效运行而提供的。
numpy.maximum(x1, x2, out=None, *, where=True, dtype=None) |
在哪里，
- x1, x2 –输入数组，保存要查找最大值的元素
- out – 默认情况下设置为none的可选构造，但可用于将结果存储在与输出长度相同的所需数组中
- * – kwargs 或关键字参数，它是一个可选构造，用于将参数的关键字可变长度传递给函数
- 其中 –一个可选构造，用于在设置为True （默认设置）时计算给定位置的通用函数 (ufunc)，或在设置为False时不计算
- dtype –一个可选结构，用于指定正在使用的数据类型
对一维数组使用maximum( )
首先，我们使用以下代码在 Python 中导入numpy库。
import numpy as np |
现在让我们构造几个要确定其最大元素的一维数组。
ar1 = np.array([[1.2, 3.4, 6.7, 8.9]], dtype = int)ar2 = np.array([[2.1, 4.3, 5.7, 6.9]], dtype = int) |
可以注意到，上面所考虑的数据类型是int，因此我们可以很好地预期输出会去除十进制数字。现在是时候使用maximum()函数了！
np.maximum(ar1, ar2, dtype = int) |
在 N 维数组上使用maximum( )
现在我们已经找到了一维数组元素中的最大值，让我们在本节中通过使用多维数组（例如下面给出的数组）来扩展我们的探索，以使用 Maximum( ) 函数返回它们的最大元素。
ar1 = np.array([[1.2, 3.4, 6.7, 8.9], [9.8, 7.6, 5.4, 3.2]], dtype = float)ar2 = np.array([[2.1, 4.3, 5.7, 6.9], [9.7, 8.6, 4.5, 1.2]], dtype = float)np.maximum(ar1, ar2, dtype = float) |
经过训练的眼睛可以观察到与上一节的输出数组的相似性，它们都与输入数组具有相同的维度。这为我们提供了如何构造输出数组的线索（如果我们想将结果存储在其他地方）。
在max( )函数中使用where
现在我们开始使用Maximum( )函数，在该函数中，我们还可以通过执行where选项来有选择地找到仅限于数组中特定位置的给定数组元素的最大值，如下所示。
ar1 = np.array([[1.2, 3.4, 6.7, 8.9], [9.8, 7.6, 5.4, 3.2]], dtype = float)ar2 = np.array([[2.1, 4.3, 5.7, 6.9], [9.7, 8.6, 4.5, 1.2]], dtype = float)np.maximum(ar1, ar2, where = [True, True, False, True]) |
上面的代码要求Maximum( )函数仅返回在所有位置进行比较的输入数组的最大值，但运行反向执行的第三个位置除外。
结论：
现在我们已经到了本文的结尾，希望它已经详细说明了如何使用numpy库的Maximum( )函数查找数组元素的最大值。这是另一篇文章，解释如何在 Python 中使用numpy查找数组元素的最小值。AskPython中还有许多其他有趣且内容丰富的文章，可能对那些希望提高 Python 水平的人有很大帮助。当你享受这些的时候， hasta luego！