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 значения элементов попарно. Если один из сравниваемых элементов является NaN, возвращается тот, который не NaN. Если оба элемента — NaN, возвращается первый. Это важно для комплексных NaN, которые определяются как такие, в которых хотя бы одна из вещественной 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 Место для хранения результата. Если указано, оно должно иметь форму, к которой векторизуются входные данные. Если не указано или None, возвращается только что выделенный массив. Кортеж (доступен только в качестве ключевого аргумента) должен иметь длину, равную числу выходов. where : array_like, optional Значения True указывают на то, что функция ufunc должна быть вычислена в этой позиции; значения False указывают на то, что значение в выходе должно остаться неизменным. **kwargs Для других ключевых аргументов см. документацию ufunc.

Возвращает:

y : ndarray or scalar Минимальное значение из x1 и x2, попарно. Это скаляр, если оба x1 и x2 являются скалярами.

См. также

fmax

Максимальное значение элементов двух массивов попарно, игнорирует NaN.

minimum

Минимальное значение элементов двух массивов попарно, распространяет NaN.

amin

Минимальное значение массива по указанной оси, распространяет NaN.

nanmin

Минимальное значение массива по указанной оси, игнорирует NaN.

maximum, amax, nanmax

Примечания

Добавлена в версии 1.3.0.

Функция fmin эквивалентна np.where(x1 <= x2, x1, x2) когда ни x1, ни x2 не являются NaN, но она быстрее и обеспечивает правильное векторизованное вычисление.

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])