numpy.nanmin#
- numpy.nanmin(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,忽略任何 NaN.当遇到全为 NaN 的切片时,会引发
RuntimeWarning,并为该切片返回 Nan.- 参数:
- aarray_like
包含所需最小值的数字的数组.如果 a 不是数组,则尝试转换.
- 轴{int, tuple of int, None}, optional
计算最小值的轴或多个轴. 默认值是计算扁平化数组的最小值.
- outndarray,可选
用于放置结果的备用输出数组. 默认值为
None;如果提供,它必须具有与预期输出相同的形状,但如果需要,将强制转换类型. 有关更多详细信息,请参阅 输出类型确定 .- keepdimsbool,可选
如果设置为 True,则将减少的轴保留在结果中,作为大小为 1 的维度. 使用此选项,结果将针对原始 a 正确广播.
如果该值不是默认值,则 keepdims 将传递到
ndarray子类的min方法.如果子类方法未实现 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. 有关详细信息,请参见
reduce.在 1.22.0 版本加入.
- 其中array_like of bool,可选
要比较以获得最小值的元素.有关详细信息,请参见
reduce.在 1.22.0 版本加入.
- 返回:
- nanminndarray
一个与 a 形状相同的数组,其中指定的轴被移除.如果 a 是一个 0-d 数组,或者 axis 是 None,则返回一个 ndarray 标量.返回与 a 相同的 dtype.
参见
注释
NumPy 使用 IEEE 二进制浮点算术标准 (IEEE 754). 这意味着非数字不等于无穷大. 正无穷大被视为非常大的数字,负无穷大被视为非常小的(即负数)数字.
如果输入具有整数类型,则该函数等效于 np.min.
示例
>>> import numpy as np >>> a = np.array([[1, 2], [3, np.nan]]) >>> np.nanmin(a) 1.0 >>> np.nanmin(a, axis=0) array([1., 2.]) >>> np.nanmin(a, axis=1) array([1., 3.])
当存在正无穷大和负无穷大时:
>>> np.nanmin([1, 2, np.nan, np.inf]) 1.0 >>> np.nanmin([1, 2, np.nan, -np.inf]) -inf