您好，欢迎来到Numpy nanmin教程 。在本教程中，我们将学习 NumPy nanmin() 方法，并看到很多相关示例。那么让我们开始吧！
另请阅读： NumPy nanmax – 沿轴的数组最大值，忽略任何 NaN
什么是 NumPy 南民？
在 Python 中， NaN 表示 不是数字。如果我们有一个包含一些 NaN 值的数组，并且想要找到其中的最小值，我们可以使用 nanmin() NumPy 中的方法。
NumPy 中的方法 nanmin() 是一个函数，它返回通过忽略数组中的 NaN 值计算出的数组元素的最小值。它可以是所有数组元素的最小值、沿行的数组元素的最小值或沿列的数组元素的最小值。
我们将在本教程的后续部分中看到每个示例的示例。
NumPy nanmin 的语法
让我们看一下该 nanmin() 函数的语法。
numpy.nanmin(a, axis=None, out=None, keepdims=<no value>, initial=<no value>, where=<no value>) |
| 范围 | 描述 | 必需/可选 |
| 一个（类似数组） | 输入数据。 | 必需的 |
| 轴 | 计算数组最小值的轴。 它可以是 axis=0 或 axis=1 或 axis=None ，这意味着要返回整个数组的最小值。 |
选修的 |
| 出去 | 用于放置结果的替代输出数组。它必须具有与预期输出相同的形状。 | 选修的 |
| keepdims（布尔值） | 如果将此设置为 True，则缩小的轴将作为大小为 1 的维度保留在结果中。使用此选项，结果将针对输入数组正确广播。 | 选修的 |
| 最初的 | 输出元素的最大值。 | 选修的 |
| 在哪里 | 用于比较以找到最小值的元素。 | 选修的 |
返回：
一个数组，包含沿指定轴的数组最小值，忽略所有 NaN。
NumPy nanmin 的示例
让我们直接进入使用numpy.nanmin()函数的不同示例 。
一维数组的 NumPy nanmin
import numpy as nparr = [np.nan, 54, 1, 3, 44]# using the nanmin function to calculate the maximumans = np.nanmin(arr)print("arr =", arr)print("Result =", ans) |
输出：
arr = [nan, 54, 1, 3, 44]Result = 1.0 |
忽略 NaN 值，54、1、3 和 44 中的最小值为 1，因此返回。
二维数组的 NumPy nanmin
import numpy as nparr = [[30, -9], [8, np.nan]]# using the nanmin function to calculate the maximumans = np.nanmin(arr)print("arr =", arr)print("Result =", ans) |
输出：
arr = [[30, -9], [8, nan]]Result = -9.0 |
与前面的示例类似，30、-9 和 8 的最小值为 8。
NumPy nanmin 沿数组的轴
轴 = 0
import numpy as nparr = [[16, 4], [np.nan, 1]]# using the nanmin function to calculate the maximumans = np.nanmin(arr, axis=0)print("arr =", arr)print("Result =", ans) |
输出：
arr = [[16, 4], [nan, 1]]Result = [16. 1.] |
在这里，对特定列的每行中的值进行比较以找到最小元素。
ans[0] = min(arr[0][0], arr[1][0]) = min(16, np.nan) = 16 (ignoring NaN)ans[1] = min(arr[0][1], arr[1][1]) = min(4, 1) = 1 |
轴 = 1
import numpy as nparr = [[16, 4], [np.nan, 1]]# using the nanmin function to calculate the maximumans = np.nanmin(arr, axis=1)print("arr =", arr)print("Result =", ans) |
输出：
arr = [[16, 4], [nan, 1]]Result = [4. 1.] |
当 axis=1时，将在所有列上比较每行中的元素以找到最小值。
ans[0] = min(arr[0][0], arr[0][1]) = min(16, 4) = 4ans[1] = min(arr[1][0], arr[1][1]) = min(np.nan, 1) = 1 (ignoring NaN) |
包含无穷大的数组的 NumPy nanmin
现在让我们看看该 numpy.nanmin() 方法如何处理数组中的无穷大和 NaN。
import numpy as np # array containing +infinitya = np.array([16, 3, np.nan, 7, np.inf])# array containing -infinityb = np.array([16, 3, np.nan, 7, np.NINF])# array containing +infinity and -infinityc = np.array([16, 3, np.nan, np.NINF, 7, np.inf]) min_a = np.nanmin(a)min_b = np.nanmin(b)min_c = np.nanmin(c) print("a =", a)print("Minimum of the array a =", min_a)print("\nb =", b)print("Minimum of the array b =", min_b)print("\nc =", c)print("Minimum of the array c =", min_c) |
输出：
a = [16. 3. nan 7. inf]Minimum of the array a = 3.0b = [ 16. 3. nan 7. -inf]Minimum of the array b = -infc = [ 16. 3. nan -inf 7. inf]Minimum of the array c = -inf |
在上面的代码中， NINF 表示 -infinity ， inf 表示 infinity。注意，
- 如果数组包含 正无穷大 ，则最小值是 忽略 NaN 的整个数组的最小值。
- 如果数组包含 负无穷大 ，则最小值为负无穷大。
- 如果数组同时包含 正无穷大和负无穷大，则数组的最小值为 -inf，即 负无穷大。
结论
就这样！在本教程中，我们学习了 Numpy nanmin 方法，并使用该方法练习了不同类型的示例。
如果您想了解有关 NumPy 的更多信息，请随时阅读我们的 NumPy 教程。