numpy.maximum

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

Элементное максимальное значение элементов массива.

Сравнивает два массива и возвращает новый массив, содержащий элементные максимумы. 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. В итоге NaN распространяются.

Параметры:

x1, x2 : array_like Массивы, содержащие сравниваемые элементы. Они должны иметь одинаковую форму или формы, которые могут быть распространены до единой формы. out : ndarray, None или кортеж из ndarray и None, необязательно Расположение, в которое сохраняется результат. Если задано, его форма должна совпадать с формой входных данных. Если не задано или None, возвращается только что выделенный массив. Кортеж (возможен только как ключевой аргумент) должен иметь длину, равную количеству выходных данных. where : array_like, необязательно Значения True указывают на вычисление ufunc в этом положении, значения False указывают на оставление значения в выходе без изменений. **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

minimum

Элементное минимальное значение двух массивов, распространяет NaN.

fmax

Элементное максимальное значение двух массивов, игнорирует NaN.

amax

Максимальное значение массива по заданной оси, распространяет NaN.

nanmax

Максимальное значение массива по заданной оси, игнорирует NaN.

fmin, amin, nanmin

Примечания

Максимум эквивалентен np.where(x1 >= x2, x1, x2) когда ни x1, ни x2 не являются NaN, но он быстрее и выполняет правильное распространение.

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