python怎么用numpy函数_Python numpy.nanmin函数方法的使用

numpy.nanmin

numpy.nanmin(a, axis=None, out=None, keepdims=

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min方法。

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