numpy.amin

numpy.amin(a, axis=None, out=None, keepdims=<class numpy._globals._NoValue>)

沿轴返回数组或最小值的最小值。

参数：

a：array_like

输入数据。

axis：无或int或tuple ints，可选

要操作的轴或轴。默认情况下，使用平展输入。

如果这是一个int的元组，则选择多个轴的最小值，而不是单个轴或所有轴，如前所述。

out：ndarray，可选

用于放置结果的替代输出数组。必须与预期输出具有相同的形状和缓冲区长度。有关更多详细信息，请参阅doc.ufuncs（“输出参数”部分）。

keepdims：bool，可选

如果设置为True，则缩小的轴将作为尺寸为1的尺寸留在结果中。使用此选项，结果将相对于原始arr正确广播。

如果传递默认值，则keepdims将不会传递到ndarray的子类的amin如果子类sum方法不实现keepdims，则会引发任何异常。

返回：

amin：ndarray或scalar

最小值a。如果axis为None，则结果为标量值。如果给出axis，则结果是尺寸a.ndim - 1 t1>。

也可以看看

amax

沿给定轴的数组的最大值，传播任何NaN。

nanmin

沿给定轴的数组的最小值，忽略任何NaN。

minimum

元素最小的两个数组，传播任何NaN。

fmin

元素最小的两个数组，忽略任何NaN。

argmin

返回最小值的索引。

nanmax，maximum，fmax

笔记

NaN值被传播，即如果至少一个项目是NaN，则相应的最小值也将是NaN。要忽略NaN值（MATLAB行为），请使用nanmin。

不要使用amin来比较2数组；当a.shape[0]为2，最小值（a [0]， a [1]）比amin（a， axis = 0）快。

例子

>>> a = np.arange(4).reshape((2,2))
>>> a
array([[0, 1],
       [2, 3]])
>>> np.amin(a)           # Minimum of the flattened array
0
>>> np.amin(a, axis=0)   # Minima along the first axis
array([0, 1])
>>> np.amin(a, axis=1)   # Minima along the second axis
array([0, 2])

>>> b = np.arange(5, dtype=np.float)
>>> b[2] = np.NaN
>>> np.amin(b)
nan
>>> np.nanmin(b)
0.0