numpy.nanmin

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

Возвращает минимальное значение массива или минимальное значение по оси, игнорируя значения NaN. При встрече срезов, состоящих только из NaN, генерируется RuntimeWarning, и для этого среза возвращается Nan.

Параметры:

a : array_like Массив, содержащий числа, для которых необходимо найти минимум. Если a не является массивом, выполняется попытка преобразования. axis : int, необязательно Ось, по которой вычисляется минимум. По умолчанию вычисляется минимум для уплощенного массива. out : ndarray, необязательно Альтернативный массив вывода, в который следует поместить результат. По умолчанию None; если указан, он должен иметь такую же форму, как ожидаемый результат, но тип будет преобразован при необходимости. См. doc.ufuncs для получения подробностей. Добавлена в версии 1.8.0. keepdims : bool, необязательно Если это установлено в True, оси, по которым производилось уменьшение, остаются в результате как размерности с размером один. С этим параметром результат будет правильно транслироваться относительно исходного a. Добавлена в версии 1.8.0.

Возвращает:

nanmin : ndarray Массив с той же формой, что и a, с удаленной указанной осью. Если a — массив 0-мерный или если ось равна None, возвращается скаляр ndarray. Возвращается тот же тип данных, что и у a.

См. также

nanmax

Максимальное значение массива по заданной оси, игнорируя значения NaN.

amin

Минимальное значение массива по заданной оси, распространяя значения NaN.

fmin

Минимальное значение по элементам двух массивов, игнорируя значения NaN.

minimum

Минимальное значение по элементам двух массивов, распространяя значения NaN.

isnan

Показывает, какие элементы являются Not a Number (NaN).

isfinite

Показывает, какие элементы не являются NaN или бесконечностью.

amax, fmax, maximum

Примечания

Numpy использует стандарт IEEE для двоично-плавающей арифметики (IEEE 754). Это означает, что Not a Number не эквивалентно бесконечности. Положительная бесконечность обрабатывается как очень большое число, а отрицательная бесконечность — как очень маленькое (т.е. отрицательное) число.

Если входной тип — целочисленный, функция эквивалентна np.min.

Примеры

>>> 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.])

Когда присутствуют положительная и отрицательная бесконечности:

>>> np.nanmin([1, 2, np.nan, np.inf])
1.0
>>> np.nanmin([1, 2, np.nan, np.NINF])
-inf