numpy.maximum

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

Элемент-но-поэлементный максимум элементов массива.

Сравнивает два массива и возвращает новый массив, содержащий элемент-но-поэлементные максимумы. 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 вещественных или мнимых частей является NaN. В итоге NaN распространяются.

Параметры:

x1, x2 : array_like Массивы, содержащие элементы для сравнения. Они должны иметь одинаковую форму или формы, которые могут быть расширены до единой формы. out : ndarray, None, or tuple of ndarray and None, optional Расположение, в котором сохраняется результат. Если предоставлено, оно должно иметь форму, к которой расширяются входные данные. Если не предоставлено или None, возвращается только что выделенный массив. Кортеж (возможен только в качестве ключевого аргумента) должен иметь длину, равную количеству 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 прежним. **kwargs Для других ключевых аргументов см. документацию ufunc.

Возвращает:

y : ndarray or scalar Максимум x1 и x2, элемент-но-поэлементный. Это скаляр, если и x1 и x2 являются скалярами.

См. также

minimum

Элемент-но-поэлементный минимум двух массивов, распространяет NaN.

fmax

Элемент-но-поэлементный максимум двух массивов, игнорирует NaN.

amax

Максимальное значение массива вдоль заданной оси, распространяет NaN.

nanmax

Максимальное значение массива вдоль 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 правильно обрабатывает расширение.

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