這裡應該是拿min/max（更適合處理可迭代物件，可選的引數是key=func）與np.min/np.max（可適合處理numpy.ndarray物件，可選的引數是axis=0或者1）作比較，只不過np.argmin/np.argmax的用法與np.min/np.max相似，這裡就不進行更正了。

• 首先min/max與np.argmin/np.argmax函式的功能不同

  前者返回值，後者返回最值所在的索引（下標）

• 處理的物件不同
  前者跟適合處理list等可迭代物件，而後者自然是numpy裡的核心資料結構ndarray（多維陣列）

• min/max是python內建的函式

• np.argmin/np.argmax是numpy庫中的成員函式

• 介面不同

min(iterable, key=func)->value
np.argmin(a, axis=None)

• 1
• 2

常見的介面如上所示，前者除了一個可迭代物件外，還接收一個函式物件（keyword argument），用於指定比較的物件（也即最值比較的內容是，將迭代物件中的元素逐個賦予func函式物件所得到返回值），可見func只可接受一個引數，如min(dict, key=dict.get)。而np.argmax更多的是進行軸上的比較（axis=0，也是預設的軸，是列向）

>>> l = ['1', '100'
 
, '111', '2']
>>> max(l)
'2'
# 下面我們指定比較內容
>>> max(l, key=lambda x: int(x)
'111'
>>> max(l, key=lambda x: len(x))
'100'
>>> max(l, key=lambda x: len(x) and int(x))
'111'

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10

我們也可將min/max作用於list of lists（這裡不對tuple和list作區分）：

>>> ll = [(1, 'a'), (3, 'c'), (4, 'e'), (-1, 'z')]
>>> max(ll)

• 1
• 2

例如根據列表中的每一個元素（tuple或者list型別）的第二位進行求最大值：

>>> l = [(1, 2, 5), (2, 3, 5), (3, 2, 5), (4, 4, 5), (5, 1, 5)]
>>> max(l, key=lambda x: x[1])
(4, 4, 5)
>>> l.index(max(l, key=lambda x: x[1]))
3

• 1
• 2
• 3
• 4
• 5

預設情況下，max首先進行比較的是items（k，v）中的第一個內容（也即是k），相等的情況下，再進行v的比較。

稍作修改，我們便可實現對v的比較：

>>> max(ll, key=lambda x: x[1])
(-1, 'z')

• 1
• 2

有時可能最值所在的下標對我們更重要，我們據此下標索引更為豐富的資訊。如何不顯式轉化為numpy.ndarray型別（有時也無法轉換，當異質容器時）不通過np.argmax這樣的函式獲得最值（任何值都可以）所在的下標呢？使用list（tuple）的index()成員函式。

>>> ll = [(1, 'a'), (3, 'c'), (4, 'e'), (-1, 'z')]
>>> val = max(ll, lambda x: x[1])
>>> ll.index(val)
3

• 1
• 2
• 3
• 4

根據以上用法，我們也可推測並實現一個精簡版的max函式：

def max(items, key=lambda x: x):
    current = items[0]
    for item in items:
        if key(item) > key(current):
            current = item
    return current

• 1
• 2
• 3
• 4
• 5
• 6

再分享一下我老師大神的人工智慧教程吧。零基礎！通俗易懂！風趣幽默！希望你也加入到我們人工智慧的隊伍中來！https://www.cnblogs.com/captainbed