5.3 KiB
NumPy 闵楠–忽略任何 NaNs 的沿轴数组的最小值
原文：https://www.askpython.com/python-modules/numpy/numpy-nanmin
你好，欢迎来到这个关于 Numpy 闵楠的教程。在本教程中，我们将学习 NumPy nanmin()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 nanmax——忽略任何 NaNs 的沿轴数组的最大值
什么是 NumPy 闵楠？
在 Python 中， NaN 表示而不是数字。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 NumPy 的nanmin()方法。
NumPy 中的nanmin()方法是一个函数，它返回通过忽略数组中的 NaN 值而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、沿行数组元素的最小值或沿列数组元素的最小值。
我们将在本教程的下一节看到每个例子。
NumPy 闵楠的语法
让我们来看看nanmin()函数的语法。
numpy.nanmin(a, axis=None, out=None, keepdims=<no value>, initial=<no value>, where=<no value>)
| 参数 | 描述 | 必需/可选 | | (类似数组) | 输入数据。 | 需要 | | 轴 | 沿其计算数组最小值的轴。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。 | 可选择的 | | 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 | | keepdims (bool) | 如果设置为真，减少的轴将作为尺寸为 1 的尺寸留在结果中。使用此选项，结果将根据输入数组正确传播。 | 可选择的 | | 最初的 | 输出元素的最大值。 | 可选择的 | | 在哪里 | 要比较以找出最小值的元素。 | 可选择的 |
NumPy nanmin parameters
返回: 一个数组，包含沿指定轴的数组的最小值，忽略所有的 NaNs。
NumPy 闵楠的例子
让我们进入使用 numpy.nanmin() 函数的不同例子。
一维数组的 NumPy 闵楠
import numpy as np
arr = [np.nan, 54, 1, 3, 44]
# using the nanmin function to calculate the maximum
ans = 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 中的最小值是 1，因此返回该值。
二维数组的闵楠数
import numpy as np
arr = [[30, -9], [8, np.nan]]
# using the nanmin function to calculate the maximum
ans = np.nanmin(arr)
print("arr =", arr)
print("Result =", ans)
输出:
arr = [[30, -9], [8, nan]]
Result = -9.0
与前面的例子类似，30、-9 和 8 的最小值是 8。
沿着阵列轴的闵楠数
轴= 0
import numpy as np
arr = [[16, 4], [np.nan, 1]]
# using the nanmin function to calculate the maximum
ans = np.nanmin(arr, axis=0)
print("arr =", arr)
print("Result =", ans)
输出:
arr = [[16, 4], [nan, 1]]
Result = [16\. 1.]
这里，比较特定列的每一行中的值，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 np
arr = [[16, 4], [np.nan, 1]]
# using the nanmin function to calculate the maximum
ans = np.nanmin(arr, axis=1)
print("arr =", arr)
print("Result =", ans)
输出:
arr = [[16, 4], [nan, 1]]
Result = [4\. 1.]
当轴=1 时，每一行中的元素在所有列中进行比较，以找到最小值。
ans[0] = min(arr[0][0], arr[0][1]) = min(16, 4) = 4
ans[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 闵楠
现在让我们看看numpy.nanmin()方法如何处理数组中的无穷大和 nan。
import numpy as np
# array containing +infinity
a = np.array([16, 3, np.nan, 7, np.inf])
# array containing -infinity
b = np.array([16, 3, np.nan, 7, np.NINF])
# array containing +infinity and -infinity
c = 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 = 3.0
b = [ 16\. 3\. nan 7\. -inf]
Minimum of the array b = -inf
c = [ 16\. 3\. nan -inf 7\. inf]
Minimum of the array c = -inf
在上面的代码中， NINF 表示**-无穷大**， inf 表示无穷大。请注意，
- 如果数组包含正无穷大，那么最小值是忽略 NaNs 的整个数组的最小值。
- 如果数组包含负无穷大，那么最小值就是负无穷大。
- 如果数组包含正负无穷大，那么数组的最小值是 -inf ，即负无穷大。
结论
仅此而已！在本教程中，我们学习了 Numpy 闵楠方法，并使用相同的方法练习了不同类型的例子。 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。