NumPy amin – 使用 Numpy 返回数组元素的最小值

您好，欢迎来到Numpy amin教程。在本教程中，我们将学习NumPy amin()方法，并看到许多相关示例。那么让我们开始吧！

什么是 NumPy amin？

NumPy 中的 amin 方法是一个返回数组元素最小值的函数。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.amin(a, axis=None, out=None)

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 ，这意味着要返回展平数组的最小值。	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

返回：a中的最小元素。如果axis=None，则输出是标量，否则输出是数组。

让我们直接进入使用 numpy.amin() 函数的不同示例。

import numpy as np
 
a = [10, 3, 25]
 
ans = np.amin(a)
print("a =", a)
print("Minimum of a =", ans)

输出：

a = [10, 3, 25]
Minimum of a = 3

比较给定数组中的所有元素，10、3 和 25 中的最小值为 3。因此，返回 3。

import numpy as np
 
a = [[-8, 6], [-5, -12]]
 
ans = np.amin(a)
print("a =", a)
print("Minimum of a =", ans)

输出：

a = [[-8, 6], [-5, -12]]
Minimum of a = -12

比较数组中的所有值，-12 是这里的最小元素。

在 Python 中，NaN 代表非数字。

import numpy as np
 
a = [26, np.nan, 8, np.nan, -4]
 
ans = np.amin(a)
print("a =", a)
print("Minimum of a =", ans)

输出：

a = [26, nan, 8, nan, -4]
Minimum of a = nan

如果输入包含 NaN，则 NumPyamin()方法始终返回nan作为输出，而不管输入数组中存在的其他元素如何。

import numpy as np
 
a = [[16, 3], [48, 66]]
 
ans = np.amin(a)
print("a =", a)
print("Minimum of a =", ans)

输出：

a = [[16, 3], [48, 66]]
Minimum of a = 3

对于二维数组，当没有提到轴时，首先按行展平数组，然后计算其最小值。在上面的示例中，展平数组将为 [16, 3, 48, 66]，其中最小元素为 3，因此它由amin()
方法返回。

轴 = 0

import numpy as np
 
a = [[16, 3], [48, 66]]
# minimum along axis=0
ans = np.amin(a, axis=0)
print("a =", a)
print("Minimum of a =", ans)

输出：

a = [[16, 3], [48, 66]]
Minimum of a = [16  3]

在这里，元素按列进行比较，并将它们的最小值存储在输出中。

ans[0] = minimum(a[0][0], a[1][0]) = minimum(16, 48) = 16
ans[1] = minimum(a[0][1], a[1][1]) = minimum(3, 66) = 3

轴= 1

import numpy as np
 
a = [[16, 3], [48, 66]]
# minimum along axis=1
ans = np.amin(a, axis=1)
print("a =", a)
print("Minimum of a =", ans)

输出：

a = [[16, 3], [48, 66]]
Minimum of a = [ 3 48]

在这里，元素按行进行比较，并将它们的最小值存储在输出中。

ans[0] = minimum(a[0][0], a[0][1]) = minimum(16, 3) = 3
ans[1] = minimum(a[1][0], a[1][1]) = minimum(48, 66) = 48

就这样！在本教程中，我们了解了 Numpy amin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。