np.max只是的别名
np.amax。此函数仅在 单个
输入数组上起作用，并在整个数组中找到最大元素的值（返回标量）。或者，它接受一个
axis参数，然后沿输入数组的轴找到最大值（返回一个新数组）。
>>> a = np.array([[0, 1, 6], [2, 4, 1]])>>> np.max(a)6>>> np.max(a, axis=0) # max of each columnarray([2, 4, 6])
的默认行为
np.maximum是获取 两个 数组并计算其按元素的最大值。在这里，“兼容”意味着一个阵列可以广播到另一个阵列。例如：
>>> b = np.array([3, 6, 1])>>> c = np.array([4, 2, 9])>>> np.maximum(b, c)array([4, 6, 9])
但是
np.maximum它也是一个通用函数，这意味着它具有其他功能和方法，在处理多维数组时会很有用。例如，您可以计算数组（或数组的特定轴）上的累积最大值：
>>> d = np.array([2, 0, 3, -4, -2, 7, 9])>>> np.maximum.accumulate(d)array([2, 2, 3, 3, 3, 7, 9])
无法使用
np.max。
您可以在使用时在一定程度上进行
np.maximum模仿：
np.max``np.maximum.reduce
>>> np.maximum.reduce(d)9>>> np.max(d)9
基础测试表明这两种方法在性能上是可比的。它们应该是
np.max()实际
np.maximum.reduce执行计算的调用。
