numpy.min#

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

返回数组的最小值或沿指定轴的最小值。

参数：
aarray_like

输入数据。

axisNone 或 int 或 int 元组，可选

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 int 元组，则最小值将跨多个轴选择，而不是像以前那样在一个轴或所有轴上选择。

outndarray，可选

放置结果的备用输出数组。必须与预期输出具有相同的形状和缓冲区长度。有关详细信息，请参阅 输出类型确定。

keepdimsbool，可选

如果设置为 True，则减少的轴将作为大小为一的维度保留在结果中。使用此选项，结果将与输入数组正确广播。

如果传递默认值，则 keepdims 不会传递到 ndarray 子类的 min 方法，但是任何非默认值都会传递。如果子类的方法没有实现 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，请参阅 reduce。

wherebool 型 array_like，可选

用于比较最小值的元素。有关详细信息，请参阅 reduce。

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 为 int，则结果为维度为 a.ndim - 1 的数组。如果 axis 为元组，则结果为维度为 a.ndim - len(axis) 的数组。

另请参阅

amax

沿给定轴的数组的最大值，传播任何 NaN。

nanmin

沿给定轴的数组的最小值，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

备注

NaN 值会被传播，也就是说，如果至少有一个元素是 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 来逐元素比较两个数组；当 a.shape[0] 为 2 时，minimum(a[0], a[1]) 比 min(a, axis=0) 更快。

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，后者仅用于空可迭代对象。

请注意，这与 Python 的 default 参数不同。

>>> np.min([6], initial=5)
5
>>> min([6], default=5)
6
本页内容