numpy.minimum

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

Элементное минимальное значение элементов массива.

Сравнивает два массива и возвращает новый массив, содержащий элементное минимальное значение. 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 вещественной или мнимой частей является NaN. Результатом является распространение NaN.

Параметры:

x1, x2 : array_like Массивы, содержащие сравниваемые элементы. Они должны иметь одинаковую форму или формы, которые могут быть расширены до одной формы. out : ndarray, None или кортеж из ndarray и None, необязательно Расположение, в котором хранится результат. Если задано, его форма должна быть такой же, как и у входных массивов. Если не задано или None, возвращается новый массив. Кортеж (возможен только в качестве ключевого аргумента) должен иметь длину, равную количеству выходов. where : array_like, необязательно Значения True указывают на вычисление ufunc в этой позиции, значения False указывают на оставление значения в выходе без изменений. **kwargs Для других ключевых аргументов см. документацию ufunc.

Возвращаемое значение:

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

См. также

maximum

Элементное максимальное значение двух массивов, обрабатывает NaN.

fmin

Элементное минимальное значение двух массивов, игнорирует NaN.

amin

Минимальное значение массива вдоль заданной оси, обрабатывает NaN.

nanmin

Минимальное значение массива вдоль заданной оси, игнорирует NaN.

fmax, amax, nanmax

Примечания

Минимальное значение эквивалентно np.where(x1 <= x2, x1, x2) когда ни x1, ни x2 не являются NaN, но оно быстрее и правильно обрабатывает расширение.

Примеры

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

>>> np.minimum(np.eye(2), [0.5, 2]) # broadcasting
array([[ 0.5,  0. ],
       [ 0. ,  1. ]])

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