numpy.fmax

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

Элемент-по-элементу максимальное значение элементов массива.

Сравнивает два массива и возвращает новый массив, содержащий максимальные значения по элементам. Если один из сравниваемых элементов является NaN, то возвращается элемент, не являющийся NaN. Если оба элемента являются NaN, то возвращается первый. Это различие важно для комплексных NaN, которые определяются как по крайней мере одна из действительной или мнимой частей является 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, or tuple of ndarray and None, optional Расположение, в которое сохраняется результат. Если предоставлено, оно должно иметь форму, к которой входные данные транслируются. Если не предоставлено или None, возвращается недавно выделенный массив. Кортеж (возможен только как ключевой аргумент) должен иметь длину, равную числу выходов. where : array_like, optional Значения True указывают на то, что необходимо вычислить ufunc в этом положении, значения False указывают на то, что значение в выходе должно остаться без изменений. **kwargs Для других ключевых аргументов см. документацию ufunc.

Возвращает:

y : ndarray or scalar Максимальное значение x1 и x2, по элементам. Это скаляр, если оба x1 и x2 являются скалярами.

См. также

fmin

Элемент-по-элементу минимальное значение двух массивов, игнорирует NaN.

maximum

Элемент-по-элементу максимальное значение двух массивов, распространяет NaN.

amax

Максимальное значение массива вдоль заданной оси, распространяет NaN.

nanmax

Максимальное значение массива вдоль заданной оси, игнорирует NaN.

minimum, amin, nanmin

Примечания

Добавлена в версии 1.3.0.

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

Примеры

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

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

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