很容易挑出一个奇怪的！但当要挑选出最小的一个时，尤其是当要从中挑选的数据很多时，麻烦就来了！为了减轻人类大脑需要花费的精力和时间的负担，我们在编程语言的计算能力中找到了安慰。
在本文中，我们将研究使用Python numpy库中的minimum()函数从数组中的给定元素中查找最小值所涉及的步骤序列。让我们开始了解它的语法。
另请阅读：NumPy nanmin – 沿轴的数组最小值，忽略任何 NaN
minum( )函数的语法
以下是包含强制元素和可选元素的基本构造，为了使numpy库中的minimum()函数有效运行，应该将这些元素放在一起。
numpy.minimum(x1, x2, out=None, *, where=True, dtype=None) |
在哪里，
- x1, x2 –输入数组，保存要在其中找到最小值的元素
- out – 默认情况下设置为none的可选构造，但可用于将结果存储在与输出长度相同的所需数组中
- * – kwargs 或关键字参数，它是一个可选构造，用于将参数的关键字可变长度传递给函数
- 其中 –一个可选构造，用于在设置为True （默认设置）时计算给定位置的通用函数 (ufunc)，或在设置为False时不计算
- dtype –一个可选结构，用于指定正在使用的数据类型
在一维数组上使用minimum()
首先，我们使用以下代码在 Python 中导入numpy库。
import numpy as np |
以下是要确定其中最小元素的一维数组。
ar1 = np.array([[1.2, 3.4, 6.7, 8.9]], dtype = int)ar2 = np.array([[2.1, 4.3, 5.7, 6.9]], dtype = int) |
可以注意到，上面所考虑的数据类型是int，因此我们可以很好地预期输出会去除十进制数字。现在是时候使用minimum()函数了！
np.minimum(ar1, ar2, dtype = int) |
在 N 维数组上使用 Numpyminimum ()
现在让我们通过使用多维数组（例如下面给出的数组）来扩展我们的要求，以使用minimum()函数返回它们的最小元素。
ar1 = np.array([[1.2, 3.4, 6.7, 8.9], [9.8, 7.6, 5.4, 3.2]], dtype = float)ar2 = np.array([[2.1, 4.3, 5.7, 6.9], [9.7, 8.6, 4.5, 1.2]], dtype = float)np.minimum(ar1, ar2, dtype = float) |
与上一节的输出数组类似，这里与输入数组具有相同维度的输出数组的每个位置也被替换为最小值。
在Minimum( )函数中使用where
人们还可以通过执行minimum()函数中的where选项来选择性地找到仅限于数组内特定位置的给定数组元素的最小值，如下所示。
ar1 = np.array([[1.2, 3.4, 6.7, 8.9], [9.8, 7.6, 5.4, 3.2]], dtype = float)ar2 = np.array([[2.1, 4.3, 5.7, 6.9], [9.7, 8.6, 4.5, 1.2]], dtype = float)np.minimum(ar1, ar2, where = [False, True, True, True]) |
上面的代码限制minimum()函数只返回除第一个位置之外的所有位置上比较的输入数组的最小值。
结论
现在我们已经到了本文的结尾，希望它已经详细说明了如何使用numpy库中的minus()函数查找数组元素的最小值。这是另一篇文章，解释如何在 Python 中使用numpy划分数组中的元素。AskPython中还有许多其他有趣且内容丰富的文章，可能对那些希望提高 Python 水平的人有很大帮助。当你享受这些的时候， hasta luego！