geekdoc-python-zh/docs/askpython/numpy-fmin.md

NumPy fmin–数组元素的最小元素数

原文：https://www.askpython.com/python-modules/numpy/numpy-fmin

大家好，欢迎来到这个关于 Numpy fmin 的教程。在本教程中，我们将学习 NumPy fmin() 方法，也将看到许多关于这个方法的例子。让我们开始吧！

也读作:NumPy fmax–数组元素的逐元素最大值

---

什么是 NumPy fmin？

fmin()是 NumPy 中的一个函数，它比较两个数组并返回一个包含这两个数组的元素最小值的数组。

---

NumPy fmin 的语法

让我们来看看fmin()函数的语法。

numpy.fmin(x1, x2, out=None)

| 参数 | 描述 | 必需/可选 | | x1 | 输入数组 1。 | 需要 | | x2 | 输入数组 2。 | 需要 | | 在外 | 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。 | 可选择的 |

返回: 包含 x1 和 x2 的元素最大值的新数组。

• 如果 x1 和 x2 都是标量，那么输出也是标量。
• 如果 x1 或 x2 中的任何一个包含 NaN 值，则该逐元素比较的输出是非 NaN 值。
• 如果比较中的两个元素都是 NaN，则 NaN 作为最小元素返回。

---

例子

现在让我们看几个例子来更好地理解fmin()函数。

当两个输入都是标量时

import numpy as np 

a = 2
b = 6
# using fmin function to calculate the element-wise minimum
ans = np.fmin(a, b)
print("a =", a, "\nb =", b)
print("Result =", ans)

输出:

a = 2 
b = 6
Result = 2

因为 2<6，所以 2 是这里的最小元素。

---

一维数组的逐元素最小值

import numpy as np 

a = [5, 3, -5, 8, -2]
b = [1, 8, -2, 12, -13]
# using fmin function to calculate the element-wise minimum
ans = np.fmin(a, b)
print("a =", a, "\nb =", b)
print("Result =", ans)

输出:

a = [5, 3, -5, 8, -2] 
b = [1, 8, -2, 12, -13]
Result = [  1   3  -5   8 -13]

生成的数组计算如下:

ans[0]  = min(a[0], b[0]) = min(5, 1) = 1
ans[1]  = min(a[1], b[1]) = min(3, 8) = 3
ans[2]  = min(a[2], b[2]) = min(-5, -2) = -5
ans[3]  = min(a[3], b[3]) = min(8, 12) = 8
ans[4]  = min(a[4], b[4]) = min(-2, -13) = -13

---

二维数组的逐元素最小值

import numpy as np 

a = [[13, 8], [10, 7]]
b = [[5, 15], [30, 4]]
# using fmin function to calculate the element-wise minimum
ans = np.fmin(a, b)
print("a =", a, "\nb =", b)
print("Result =\n", ans)

输出:

a = [[13, 8], [10, 7]] 
b = [[5, 15], [30, 4]]
Result =
 [[ 5  8]
 [10  4]]

这里，两个输入数组都是 2×2 数组，因此得到的数组也是 2×2 数组，计算如下:

ans[0][0] = min(a[0][0], b[0][0]) = min(13, 5) = 5
ans[0][1] = min(a[0][1], b[0][1]) = min(8, 15) = 8

ans[1][0] = min(a[1][0], b[1][0]) = min(10, 30) = 10
ans[1][1] = min(a[1][1], b[1][1]) = min(7, 4) = 4

---

包含 nan 的数组的逐元素最小值

现在让我们看看numpy.fmin()方法是如何处理 nan 的。

import numpy as np 

a = [4, 3, 10, np.nan, np.nan]
b = [2, np.nan, 5, 8, np.nan]
# using fmin function to calculate the element-wise minimum
ans = np.fmin(a, b)
print("a =", a, "\nb =", b)
print("Result =", ans)

输出:

a = [4, 3, 10, nan, nan] 
b = [2, nan, 5, 8, nan]
Result = [ 2\.  3\.  5\.  8\. nan]

这里，

ans[0]  = min(a[0], b[0]) = min(4, 2) = 2
ans[1]  = min(a[1], b[1]) = min(3, nan) = 3
ans[2]  = min(a[2], b[2]) = min(10, 5) = 5
ans[3]  = min(a[3], b[3]) = min(nan, 8) = 8
ans[4]  = min(a[4], b[4]) = min(nan, nan) = nan

在上面的数组中，索引 1 和 3 处的元素之一是 nan，因此最小值是非 NaN 值。此外，两个输入数组中索引 4 处的元素都是 NaN，因此得出的最小值也是 NaN，如本教程前面所述。

---

摘要

仅此而已！在本教程中，我们学习了 Numpy fmin 方法，并使用相同的方法练习了不同类型的示例。 如果你想了解更多关于 NumPy 的信息，请随意浏览我们的 NumPy 教程。

---

参考

• NumPy fmin 官方文档