numpy.nanmin
numpy.nanmin(a, axis=None, out=None, keepdims=) [source]
返回数组的最小值或沿轴的最小值,忽略任何NaN。当遇到所有NaN片时,将引发RuntimeWarning
并为该片返回Nan。
参数 : | a :array_like 包含所需最小值的数字的数组。如果a不是数组, 则尝试进行转换。 axis :{int, tuple of int, None}, 可选 计算最小值的一个或多个轴。 默认值是计算扁平化数组的最小值。 out :ndarray, 可选 要在其中放置结果的备用输出数组。 默认为None;如果提供的话, 它的形状必须与预期的输出形状相同, 但是如果需要的话, 将强制转换类型。有关更多详细信息, 请参见ufuncs-output-type。1.8.0版中的新功能。 keepdims :bool, 可选 如果将其设置为True, 那么被缩减的轴将在结果中保留尺寸为1的维度。使用此选项, 结果将相对于原始a正确广播。如果该值不是默认值, 则keepdims将传递给ndarray子类的 如果子类方法未实现keepdims, 则将引发任何异常。1.8.0版中的新功能。 |
返回值 : | nanmin :ndarray 与a形状相同的数组,但移除了指定的轴。 如果a是0-d数组,或者axis是None, 则返回ndarray标量。 返回与相同的dtype。 |
Notes
NumPy使用IEEE算术二进制浮点标准(IEEE 754)。这意味着非数字不等于无穷大。正无穷大被视为一个非常大的数,而负无穷大被视为一个很小的(即负)数。
如果输入具有整数类型,则该函数等效于np.min。
例子
>>> a = np.array([[1, 2], [3, np.nan]])>>> np.nanmin(a)1.0>>> np.nanmin(a, axis=0)array([1., 2.])>>> np.nanmin(a, axis=1)array([1., 3.])
当存在正无穷大和负无穷大时:
>>> np.nanmin([1, 2, np.nan, np.inf])1.0>>> np.nanmin([1, 2, np.nan, np.NINF])-inf
免责声明:以上内容(如有图片或视频亦包括在内)有转载其他网站资源,如有侵权请联系删除
-
设计总结|如何更好地表达活动品牌?
-
谈谈“目标思维”的落地
编辑导读:我们在做数据分析之前,一定要搞清楚需求方的目标到底是什么,要根据目标来重新定义业务方提出的问题,这就是目标思维。目标思维有多重要呢?应该如何落地呢...
-
在线教育平台竞品分析:网易云课堂vs腾讯课堂
本文从移动端出发,对当前比较热门的两款在线教育平台软件-网易云课堂和腾讯课堂进行比较和分析,不足之处还请大家多提意见。 市场分析 随着国内互联网技术的发展和移...
-
即学即用|父亲节活动的4种运营策略
-
B端产品经理和体验设计师的工作职责边界梳理
-
豆果美食电商分支用户体验报告及建议
-
数据分析师如何提高工作效率
在我们的日常工作中,提高工作效率是每个岗位都需要实现的,在工作中,面对比较凌乱的事情时,首先我们需要梳理清楚,按重要级进行开展;本文作者分享了关于...
-
2016中国云计算SaaS移动办公平台年度综合报告
-
网易大布局教育事业:网易公开课、网易云课堂和MOOC分析
-
一篇文章搞懂语音交互的来龙去脉