numpy.maximum

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

Элемент-но максимальное значение элементов массива.

Сравнивает два массива и возвращает новый массив, содержащий элемент-но максимальные значения. Если один из сравниваемых элементов является NaN, то возвращается этот элемент. 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 распространяются.

Параметры:

x1, x2 : array_like Массивы, содержащие сравниваемые элементы. Они должны иметь одинаковую форму или формы, которые могут быть объединены в одну форму. out : ndarray, None или кортеж из ndarray и None, необязательно Расположение, в которое сохраняется результат. Если задано, оно должно иметь форму, в которую входные данные транслируются. Если не задано или None, возвращается только что выделенный массив. Кортеж (только в качестве ключевого аргумента) должен иметь длину, равную количеству выходов. where : array_like, необязательно Значения True указывают на вычисление ufunc в данной позиции, значения False указывают на оставление значения в выводе без изменений. **kwargs Для других ключевых аргументов см. документацию ufunc.

Возвращает:

y : ndarray или скаляр Максимальное значение x1 и x2, элемент-но. Возвращает скаляр, если оба x1 и x2 являются скалярами.

См. также

minimum

Элемент-но минимальное значение двух массивов, распространяет NaN.

fmax

Элемент-но максимальное значение двух массивов, игнорирует NaN.

amax

Максимальное значение массива вдоль заданной оси, распространяет NaN.

nanmax

Максимальное значение массива вдоль заданной оси, игнорирует NaN.

fmin, amin, nanmin

Примечания

Максимум эквивалентен np.where(x1 >= x2, x1, x2) когда ни x1, ни x2 не являются nans, но он быстрее и правильно транслирует.

Примеры

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

>>> np.maximum(np.eye(2), [0.5, 2]) # broadcasting
array([[ 1. ,  2. ],
       [ 0.5,  2. ]])

>>> np.maximum([np.nan, 0, np.nan], [0, np.nan, np.nan])
array([ NaN,  NaN,  NaN])
>>> np.maximum(np.Inf, 1)
inf