numpy.min#

numpy.min(a, axis=None, out=None, keepdims=<no value>, initial=<no value>, where=<no value>)[源代码]#

返回数组的最小值或沿轴的最小值.

参数:
aarray_like

输入数据.

axisNone 或 int 或 int 元组,可选

要操作的轴或轴.默认情况下,使用扁平化的输入.

如果这是一个整数元组,则在多个轴上选择最小值,而不是像以前那样在单个轴或所有轴上选择最小值.

outndarray, 可选

用于放置结果的可选输出数组. 必须与预期输出具有相同的形状和缓冲区长度. 有关更多详细信息,请参见 输出类型确定 .

keepdimsbool, 可选

如果将其设置为 True,则缩减的轴将作为大小为 1 的维度保留在结果中.使用此选项,结果将针对输入数组正确广播.

如果传递默认值,则不会将 keepdims 传递给 ndarray 子类的 min 方法,但是任何非默认值都将传递.如果子类的方法未实现 keepdims ,则会引发任何异常.

initial标量,可选.

输出元素的最大值.必须存在才能允许对空切片进行计算. 参见 reduce 了解详情.

wherebool 的类数组对象,可选

要比较以获得最小值的元素. 参见 reduce 了解详情.

返回:
minndarray 或标量

a 的最小值.如果 axis 为 None,则结果为标量值.如果 axis 是一个整数,则结果是一个维度为 a.ndim - 1 的数组. 如果 axis 是一个元组,则结果是一个维度为 a.ndim - len(axis) 的数组.

参见

amax

数组沿给定轴的最大值,传播任何 NaN.

nanmin

数组沿给定轴的最小值,忽略任何 NaN.

minimum

两个数组的逐元素最小值,传播任何 NaN.

fmin

两个数组的逐元素最小值,忽略任何 NaN.

argmin

返回最小值的索引.

nanmax , maximum , fmax

注释

NaN 值会被传播,也就是说,如果至少有一个项目是 NaN,则对应的最小值也将是 NaN.要忽略 NaN 值(MATLAB 行为),请使用 nanmin.

不要使用 min 对 2 个数组进行逐元素比较;当 a.shape[0] 为 2 时, minimum(a[0], a[1]) 比 min(a, axis=0) 快.

示例

>>> import numpy as np
>>> a = np.arange(4).reshape((2,2))
>>> a
array([[0, 1],
       [2, 3]])
>>> np.min(a)           # Minimum of the flattened array
0
>>> np.min(a, axis=0)   # Minima along the first axis
array([0, 1])
>>> np.min(a, axis=1)   # Minima along the second axis
array([0, 2])
>>> np.min(a, where=[False, True], initial=10, axis=0)
array([10,  1])

>>> b = np.arange(5, dtype=float)
>>> b[2] = np.nan
>>> np.min(b)
np.float64(nan)
>>> np.min(b, where=~np.isnan(b), initial=10)
0.0
>>> np.nanmin(b)
0.0

>>> np.min([[-50], [10]], axis=-1, initial=0)
array([-50,   0])

请注意,初始值被用作确定最小值的元素之一,这与Python的 max 函数的默认参数不同,后者仅用于空迭代.

请注意,这与Python的 default 参数不同.

>>> np.min([6], initial=5)
5
>>> min([6], default=5)
6
当前页面