numpy.amin

numpy.amin(a, axis=None, out=None, keepdims=False) [source]

Возвращает минимум массива или минимум по оси.

Параметры:

a : array_like Входные данные. axis : None или int или кортеж из целых чисел, необязательно Ось или оси, по которым выполнять операцию. По умолчанию используется уплощенный вход. Если это кортеж из целых чисел, минимум выбирается по нескольким осям вместо одной оси или всех осей, как прежде. out : ndarray, необязательно Альтернативный массив вывода, в который поместить результат. Он должен иметь такую же форму и длину буфера, как ожидаемый результат. См. doc.ufuncs (раздел «Аргументы вывода») для получения более подробной информации. keepdims : bool, необязательно Если это установлено в True, оси, которые были уменьшены, остаются в результате в качестве измерений с размером один. С этим параметром результат корректно будет транслироваться по отношению к исходному arr.

Возвращает:

amin : ndarray или скаляр Минимальное значение a. Если axis равно None, результат представляет собой скалярное значение. Если axis задано, результат представляет собой массив размерности a.ndim - 1.

См. также

amax

Максимальное значение массива по заданной оси, распространяя любые значения NaN.

nanmin

Минимальное значение массива по заданной оси, игнорируя любые значения NaN.

minimum

Элементное минимальное значение двух массивов, распространяя любые значения NaN.

fmin

Элементное минимальное значение двух массивов, игнорируя любые значения NaN.

argmin

Возвращает индексы минимальных значений.

nanmax, maximum, fmax

Примечания

NaN-значения распространяются, т. е. если хотя бы один элемент имеет значение NaN, соответствующее минимальное значение также будет NaN. Чтобы игнорировать значения NaN (поведение MATLAB), используйте nanmin.

Не используйте amin для поэлементного сравнения двух массивов; когда a.shape[0] равно 2, minimum(a[0], a[1]) быстрее, чем amin(a, axis=0).

Примеры

>>> a = np.arange(4).reshape((2,2))
>>> a
array([[0, 1],
       [2, 3]])
>>> np.amin(a)           # Minimum of the flattened array
0
>>> np.amin(a, axis=0)   # Minima along the first axis
array([0, 1])
>>> np.amin(a, axis=1)   # Minima along the second axis
array([0, 2])

>>> b = np.arange(5, dtype=np.float)
>>> b[2] = np.NaN
>>> np.amin(b)
nan
>>> np.nanmin(b)
0.0