numpy.minimum

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

Элемент-но-wise минимальное значение элементов массивов.

Сравнивает два массива и возвращает новый массив, содержащий минимальные значения элементов. Если один из сравниваемых элементов — NaN, то возвращается этот элемент. Если оба элемента — NaN, то возвращается первый. Последнее различие важно для комплексных NaN, которые определяются как по крайней мере одна из вещественной или мнимой частей является NaN. Чистый эффект заключается в том, что NaN передаются.

Параметры:

x1, x2 : array_like Массивы, содержащие элементы, которые нужно сравнить. Они должны иметь одинаковую форму или формы, которые можно транслировать до одной формы. out : ndarray, None, или кортеж ndarray и None, необязательно Расположение, в котором хранится результат. Если указано, оно должно иметь форму, до которой транслируются входные данные. Если не указано или None, возвращается вновь выделенный массив. Кортеж (возможен только в качестве ключевого аргумента) должен иметь длину, равную числу выходов. where : array_like, необязательно Значения True указывают на вычисление ufunc в этом положении, значения False указывают на то, чтобы оставить значение в выходе без изменения. **kwargs Для других ключевых аргументов см. документацию ufunc.

Возвращает:

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

См. также

maximum

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

fmin

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

amin

Минимальное значение массива по заданной оси, обрабатывает NaN.

nanmin

Минимальное значение массива по 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 выполняет трансляцию.

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