if is_min_level:
    return values.index(min(values))
else:
    return values.index(max(values))

如果枚举列表中的项目，可以同时找到min/max索引和值，但对列表的原始值执行min/max。像这样:

import operator
min_index, min_value = min(enumerate(values), key=operator.itemgetter(1))
max_index, max_value = max(enumerate(values), key=operator.itemgetter(1))

这样，对于min(或max)，列表将只遍历一次。

我认为上面的答案解决了你的问题，但我想我要分享一个方法，给你最小值和最小值出现的所有指标。

minval = min(mylist)
ind = [i for i, v in enumerate(mylist) if v == minval]

它两次通过列表，但仍然相当快。然而，它比找到第一次遇到最小值的指数略慢。如果你只需要其中一个极小值，就用马特·安德森的解，如果你需要所有的，就用这个。

只是对刚才所说的稍加补充。 values.index(min(values))似乎返回min的最小索引。下面的语句将获得最大索引:

    values.reverse()
    (values.index(min(values)) + len(values) - 1) % len(values)
    values.reverse()

如果原地反转的副作用不重要，最后一行可以省略。

遍历所有发生的事件

    indices = []
    i = -1
    for _ in range(values.count(min(values))):
      i = values[i + 1:].index(min(values)) + i + 1
      indices.append(i)

为了简洁起见。在循环之外缓存min(values)和values.count(min)可能是一个更好的主意。

假设您有一个列表values =[3,6,1,5]，并且需要最小元素的索引，即在本例中index_min = 2。

避免使用其他答案中给出的itemgetter()的解决方案，而是使用

index_min = min(range(len(values)), key=values.__getitem__)

因为它不需要导入操作符，也不需要使用枚举，而且它总是比使用itemgetter()的解决方案更快(下面的基准测试)。

如果您正在处理numpy数组，或者可以负担numpy作为依赖项，也可以考虑使用

import numpy as np
index_min = np.argmin(values)

这将比第一个解决方案更快，即使你将它应用于一个纯Python列表，如果:

它比一些元素大(在我的机器上大约2**4个元素) 您可以将内存从纯列表复制到numpy数组

正如这一基准所指出的:

我已经用python 2.7在我的机器上运行了上面两个解决方案(蓝色:纯python，第一个解决方案)(红色，numpy解决方案)和基于itemgetter()的标准解决方案(黑色，参考解决方案)的基准测试。 python 3.5的相同基准测试表明，这些方法与上面给出的python 2.7情况完全相同

如果你想在一个数字列表中找到max的下标(这似乎是你的情况)，那么我建议你使用numpy:

import numpy as np
ind = np.argmax(mylist)

可能更简单的解决方案是将值数组转换为值、索引对数组，并取其中的最大/最小值。这将给出具有max/min的最大/最小索引(即对的比较首先比较第一个元素，然后比较第二个元素，如果第一个元素相同)。注意，没有必要实际创建数组，因为min/max允许生成器作为输入。

values = [3,4,5]
(m,i) = max((v,i) for i,v in enumerate(values))
print (m,i) #(5, 2)

seq=[1.1412, 4.3453, 5.8709, 0.1314]
seq.index(min(seq))

会给出最小值的第一个指数。

为什么要先添加索引，然后反转它们呢?Enumerate()函数只是zip()函数用法的一个特例。让我们以适当的方式来使用它:

my_indexed_list = zip(my_list, range(len(my_list)))

min_value, min_index = min(my_indexed_list)
max_value, max_index = max(my_indexed_list)

使用numpy模块的函数numpy.where

import numpy as n
x = n.array((3,3,4,7,4,56,65,1))

最小值指数:

idx = n.where(x==x.min())[0]

最大值指数:

idx = n.where(x==x.max())[0]

事实上，这个函数要强大得多。你可以提出各种布尔运算 数值在3至60之间的指数:

idx = n.where((x>3)&(x<60))[0]
idx
array([2, 3, 4, 5])
x[idx]
array([ 4,  7,  4, 56])

https://docs.python.org/3/library/functions.html#max

如果有多个最大项，则函数返回遇到的第一个项。这与其他保持排序稳定性的工具是一致的，例如sorted(iterable, key=keyfunc, reverse=True)[0]

要获得比第一次遇到的更多信息，请使用sort方法。

import operator

x = [2, 5, 7, 4, 8, 2, 6, 1, 7, 1, 8, 3, 4, 9, 3, 6, 5, 0, 9, 0]

min = False
max = True

min_val_index = sorted( list(zip(x, range(len(x)))), key = operator.itemgetter(0), reverse = min )

max_val_index = sorted( list(zip(x, range(len(x)))), key = operator.itemgetter(0), reverse = max )


min_val_index[0]
>(0, 17)

max_val_index[0]
>(9, 13)

import ittertools

max_val = max_val_index[0][0]

maxes = [n for n in itertools.takewhile(lambda x: x[0] == max_val, max_val_index)]

如果你不想导入额外的模块，找到列表中值最小的索引的简单方法:

min_value = min(values)
indexes_with_min_value = [i for i in range(0,len(values)) if values[i] == min_value]

然后选择第一个例子:

choosen = indexes_with_min_value[0]

这可以使用内置的enumerate()和max()函数以及max()函数的可选键参数和一个简单的lambda表达式来实现:

theList = [1, 5, 10]
maxIndex, maxValue = max(enumerate(theList), key=lambda v: v[1])
# => (2, 10)

在max()的文档中，它说key参数需要一个类似list.sort()函数中的函数。请参见如何排序。

对于min()也是一样的。顺便说一下，它返回第一个最大/最小值。

只要你知道如何使用lambda和"key"参数，一个简单的解决方案是:

max_index = max( range( len(my_list) ), key = lambda index : my_list[ index ] )

就这么简单:

stuff = [2, 4, 8, 15, 11]

index = stuff.index(max(stuff))

我对此也很感兴趣，并使用perfplot(我的一个爱好项目)比较了一些建议的解决方案。

事实证明

min(range(len(a)), key=a.__getitem__)

是用于小型和大型列表的最快方法。

在以前的版本中，np。阿格明过去常吃蛋糕。)

生成图的代码:

import numpy as np
import operator
import perfplot


def min_enumerate(a):
    return min(enumerate(a), key=lambda x: x[1])[0]


def min_enumerate_itemgetter(a):
    min_index, min_value = min(enumerate(a), key=operator.itemgetter(1))
    return min_index


def getitem(a):
    return min(range(len(a)), key=a.__getitem__)


def np_argmin(a):
    return np.argmin(a)


b = perfplot.bench(
    setup=lambda n: np.random.rand(n).tolist(),
    kernels=[
        min_enumerate,
        min_enumerate_itemgetter,
        getitem,
        np_argmin,
    ],
    n_range=[2**k for k in range(15)],
)
b.show()

在你得到最大值后，试试这个:

max_val = max(list)
index_max = list.index(max_val)

比一大堆选项简单多了。

使用numpy数组和argmax()函数

 a=np.array([1,2,3])
 b=np.argmax(a)
 print(b) #2

假设你有这样一个列表:

a = [9,8,7]

下面的两个方法是非常紧凑的方法，可以获得具有最小元素及其索引的元组。两者都需要差不多的时间来处理。我更喜欢压缩法，但那是我的口味。

邮政法

element, index = min(list(zip(a, range(len(a)))))

min(list(zip(a, range(len(a)))))
(7, 2)

timeit min(list(zip(a, range(len(a)))))
1.36 µs ± 107 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

列举的方法

index, element = min(list(enumerate(a)), key=lambda x:x[1])

min(list(enumerate(a)), key=lambda x:x[1])
(2, 7)

timeit min(list(enumerate(a)), key=lambda x:x[1])
1.45 µs ± 78.1 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

我认为最好的方法是将列表转换为numpy数组并使用这个函数:

a = np.array(list)
idx = np.argmax(a)

那么这个呢:

a=[1,55,2,36,35,34,98,0]
max_index=dict(zip(a,range(len(a))))[max(a)]

它从a中的项中创建一个字典作为键，并将它们的索引作为值，因此dict(zip(a,range(len(a))))[max(a)]返回对应于键max(a)的值，这是a中最大值的索引。我是python初学者，所以我不知道这个解决方案的计算复杂性。

熊猫现在有一个更温和的解决方案，试试吧:

df(列).idxmax ()

假设你有一个以下列表my_list =[1,2,3,4,5,6,7,8,9,10]，我们知道如果我们执行max(my_list)，它将返回10，而min(my_list)将返回1。现在，我们想要获得最大或最小元素的索引，我们可以执行以下操作。

My_list = [1,2,3,4,5,6,7,8,9,10] Max_value = max(my_list) #返回10 my_list.index(max_value) #返回9 #获取最小值的索引 Min_value = min(my_list) #返回1 min_value = my_list.index(min_value) #返回0