numpy.fmax

numpy.fmax(x1, x2, /, out=None, *, where=True, casting='same_kind', order='K', dtype=None, subok=True[, signature, extobj]) = <ufunc 'fmax'>

Элемент-но-wise максимальное значение элементов массива.

Сравните два массива и верните новый массив, содержащий элемент-но-wise максимальные значения. Если один из сравниваемых элементов является NaN, то возвращается элемент, не являющийся NaN. Если оба элемента являются NaN, то возвращается первый. Последнее различие важно для комплексных NaN, которые определяются как по крайней мере одна из действительной или мнимой частей является NaN. В итоге NaN игнорируются, когда это возможно.

Параметры:

x1, x2 : array_like Массивы, содержащие сравниваемые элементы. Они должны иметь одинаковую форму. out : ndarray, None, or tuple of ndarray and None, optional Расположение, в которое сохраняется результат. Если указано, оно должно иметь форму, к которой входные данные транслируются. Если не указано или None, возвращается только что выделенный массив. Кортеж (возможен только как ключевой параметр) должен иметь длину, равную числу выходов. where : array_like, optional Значения True указывают на то, что ufunc вычисляется в этом месте, значения False указывают на то, что значение в выходе остается прежним. **kwargs Для других ключевых аргументов см. документацию ufunc.

Возвращает:

y : ndarray или скаляр Максимальное значение x1 и x2, по элементам. Возвращает скаляр, если оба x1 и x2 являются скалярами.

См. также

fmin

Элемент-но-wise минимальное значение двух массивов, игнорирует NaN.

maximum

Элемент-но-wise максимальное значение двух массивов, передает NaN.

amax

Максимальное значение массива по заданной оси, передает NaN.

nanmax

Максимальное значение массива по заданной оси, игнорирует NaN.

minimum, amin, nanmin

Примечания

Новое в версии 1.3.0.

fmax эквивалентен np.where(x1 >= x2, x1, x2) когда ни x1, ни x2 не являются NaN, но он быстрее и правильно обрабатывает трансляцию.

Примеры

>>> np.fmax([2, 3, 4], [1, 5, 2])
array([ 2.,  5.,  4.])

>>> np.fmax(np.eye(2), [0.5, 2])
array([[ 1. ,  2. ],
       [ 0.5,  2. ]])

>>> np.fmax([np.nan, 0, np.nan],[0, np.nan, np.nan])
array([  0.,   0.,  NaN])