numpy.fmin

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

Минимальное значение элементов массива попарно.

Сравнивает два массива и возвращает новый массив, содержащий минимальные элементы попарно. Если один из сравниваемых элементов — NaN, возвращается ненулевой элемент. Если оба элемента — NaN, возвращается первый. Это различие важно для комплексных NaN, которые определяются как наличие по крайней мере одной действительной или мнимой части, равной NaN. В итоге NaN игнорируются, когда это возможно.

Параметры:

x1, x2 : array_like Массивы, содержащие элементы для сравнения. Они должны иметь одинаковую форму. out : ndarray, None или кортеж ndarray и None, необязательно Расположение, в которое сохраняется результат. Если указано, оно должно иметь форму, к которой входные данные транслируются. Если не указано или None, возвращается свежевыделенный массив. Кортеж (только в качестве ключевого аргумента) должен иметь длину, равную количеству результатов. where : array_like, необязательно Значения True указывают на то, что ufunc должен быть вычислен в этой позиции, значения False — на то, что значение должно остаться в выводе без изменений. **kwargs Для других ключевых аргументов см. документацию ufunc.

Возвращает:

y : ndarray или скаляр Минимальное значение x1 и x2, попарно. Возвращает скаляр, если оба x1 и x2 — скаляры.

См. также

fmax

Максимальное значение элементов двух массивов попарно, игнорирует NaN.

minimum

Минимальное значение элементов двух массивов попарно, обрабатывает NaN.

amin

Минимальное значение массива вдоль заданной оси, обрабатывает NaN.

nanmin

Минимальное значение массива вдоль заданной оси, игнорирует NaN.

maximum, amax, nanmax

Примечания

Введено в версии 1.3.0.

fmin эквивалентен np.where(x1 <= x2, x1, x2) когда ни x1, ни x2 не являются NaN, но он быстрее и обрабатывает транспонирование.

Примеры

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

>>> np.fmin(np.eye(2), [0.5, 2])
array([[ 0.5,  0. ],
       [ 0. ,  1. ]])

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