【Python】np.maximum()和np.minimum()函数详解和示例

这篇具有很好参考价值的文章主要介绍了【Python】np.maximum()和np.minimum()函数详解和示例。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

本文通过函数原理和运行示例,对np.maximum()和np.minimum()函数进行详解,以帮助大家理解和使用。
更多Numpy函数详解和示例,可参考

【Python】Numpy库近50个常用函数详解和示例,可作为工具手册使用

np.maximum()

np.maximum() 是 NumPy 库中的一个函数,用于比较两个或更多个数组元素,并返回每个元素的最大值。

函数解析

函数原型:
np.maximum(x1, x2, *args)

参数:
x1, x2, *args:要进行比较的数值或数组。可以输入任意数量的参数。

返回值:
返回一个相同的形状和类型与输入参数的数组,其中每个元素都是输入参数在该位置上的最大值。

运行示例

import numpy as np

# 对于两个数值
print(np.maximum(3, 4))  

# 对于numpy数组
arr1 = np.array([1, 2, 3])
arr2 = np.array([3, 2, 1])

print(np.maximum(arr1, arr2)) 

输出:

4
[3 2 3]

在上面的示例中,我们看到 np.maximum() 函数可以用于两个数值或两个numpy数组。对于两个数值,它返回较大的那个数值。对于numpy数组,它在每个位置上比较两个数组的元素,并返回一个新数组,其中每个元素都是输入数组在该位置上的最大值。

np.maximum.accumulate()

np.maximum.accumulate 是 NumPy 库中的一个函数,它用于计算输入数组中元素的累积最大值。这个函数接受一个输入数组,然后返回一个累积最大值数组。

函数解析

函数原型为:

numpy.maximum.accumulate(array)
其中 array 是输入的数组。

运行示例

例子1

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
result = np.maximum.accumulate(arr)
print(result)

输出结果:

[1 2 3 4 5]

这个例子中,输入数组 [1, 2, 3, 4, 5] 的累积最大值数组仍然是 [1, 2, 3, 4, 5],因为每个元素本身都是它之前的最大值。

例子2

import numpy as np

arr = np.array([5, 3, 8, 9, 6])
result = np.maximum.accumulate(arr)
print(result)

输出:

[5 5 8 9 9]

np.minimum()

该函数与np.maximum()原理类似,是 NumPy 库中的一个函数,用于比较两个或更多个数组元素,并返回每个元素的最小值。

函数解析

函数原型:
np.minimum(x1, x2, *args)

参数:
x1, x2, *args:要进行比较的数值或数组。可以输入任意数量的参数。

返回值:
返回一个相同的形状和类型与输入参数的数组,其中每个元素都是输入参数在该位置上的最小值。

运行示例

import numpy as np

# 对于两个数值
print(np.minimum(3, 4))  

# 对于numpy数组
arr1 = np.array([1, 2, 3])
arr2 = np.array([3, 2, 1])
print(np.minimum(arr1, arr2)) 

输出:

3
[1 2 1]

在上面的示例中,我们看到 np.minimum() 函数可以用于两个数值或两个numpy数组。对于两个数值,它返回较小的那个数值。对于numpy数组,它在每个位置上比较两个数组的元素,并返回一个新数组,其中每个元素都是输入数组在该位置上的最小值。文章来源地址https://www.toymoban.com/news/detail-821282.html

到了这里,关于【Python】np.maximum()和np.minimum()函数详解和示例的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • numpy抽样函数 np.random.choice用法详解

    顾名思义,抽样函数,定义如下: 参数说明: a :待抽样的样本(一维数组或整数) size: 输出大小,默认返回单个元素 replace : 抽样后的元素是否可重复,默认是 p: 每个样本点被抽样的概率,默认均匀抽样 举例如下: 从[1,2,3,4,5]中随机抽三个元素,可重复,概率分别为[0.1,

    2024年02月15日
    浏览(45)
  • Python内置的20个高阶函数的功能和示例详解

    📚 个人网站:ipengtao.com Python是一门功能丰富的编程语言,提供了许多内置函数来处理各种数据操作。其中,高阶函数是一类特殊的函数,它们接受其他函数作为参数,或者返回函数作为结果。高阶函数是函数式编程的核心概念之一,可以大大提高代码的可读性和灵活性。本

    2024年01月22日
    浏览(63)
  • 【Python】torch.no_grad()函数详解和示例

    torch.no_grad() 是 PyTorch 中的一个上下文管理器,用于在进入该上下文时禁用梯度计算。这在你只关心评估模型,而不是训练模型时非常有用,因为它可以显著减少内存使用并加速计算。 当你在 torch.no_grad() 上下文管理器中执行张量操作时,PyTorch 不会为这些操作计算梯度。这意

    2024年03月12日
    浏览(52)
  • 10天玩转Python第6天:python 函数和面向对象基础 全面详解与代码示例

    不定长参数补充-函数调用时的拆包 匿名函数 语法 代码 练习 匿名函数作为函数的参数 - 列表中的字典排序 字符串比大小 基本的介绍 面向过程 关注的是 具体步骤的实现, 所有的功能都自己书写 亲力亲为 定义一个个函数, 最终按照顺序调用函数 面向对象 关注的是结果, 谁

    2024年02月04日
    浏览(60)
  • python之np.sum()用法详解

        python库numpy提供的求和方法np.sum(),可以对数组和矩阵进行求和。sum方法可以接收多个参数,主要是数组a,坐标轴axis,数据类型dtype,初始值initial。其中,axis对于我们来说比较容易迷糊,这个值对求和有什么影响?一般来说,不设置axis这个参数,那么就是把数组或者矩阵所

    2024年02月02日
    浏览(38)
  • Python中Numpy的np.array详解

    np.array 用于创建一个新的NumPy数组对象。其语法如下: object :任何可用于初始化新数组的对象,例如列表、元组、数组等。 dtype :新数组的数据类型。如果未指定,则会从输入对象中推断数据类型。 其他参数允许进一步控制新数组的创建。 返回一个新的NumPy数组。 示例

    2024年02月08日
    浏览(47)
  • 【Python】【Opencv】形态学操作cv2.morphologyEx()函数详解和示例,实现腐蚀、膨胀、闭和开等运算

    常用的形态学操作如腐蚀、膨胀、开运算、闭运算等,可以帮助我们解决一下图像不连接或消除图像中某些不想要的连接,对于图像处理使用方便,效果明显。本文通过示例对这些功能和效果进行演示,以帮助大家理解和使用。 cv2.morphologyEx 是 OpenCV 中的一个函数,用于执行

    2024年02月22日
    浏览(70)
  • 【100天精通Python】Day73:python机器学习入门算法详解与代码示例

    目录 1. 监督学习算法: 1.1 线性回归(Linear Regression): 1.2  逻辑回归(Logistic Regression): 1.3 决策树(Decision Tree): 1.4 支持向量机(Support Vector Machine): 1.5 随机森林(Random Forest):  2. 无监督学习算法:  2.1 聚类算法(Clustering): 2.2 主成分分析(PCA): 2.3 K均值聚

    2024年02月05日
    浏览(65)
  • 机器学习笔记之核函数再回首:Nadarya-Watson核回归python手写示例

    本节从代码角度,介绍基于 高维 特征向量使用 Nadaraya-Watson text{Nadaraya-Watson} Nadaraya-Watson 核回归 的示例。 在注意力机制基本介绍中,我们提到过这种基于 注意力机制权重 的 懒惰学习方法 。该方法与 注意力机制 关联的核心操作有如下步骤: 通过核函数描述样本之间的关联

    2024年02月10日
    浏览(68)
  • 【Python从入门到人工智能】14个必会的Python内置函数(6)——打印输出 (详细语法参考+参数说明+具体示例) | 详解Python中的打印输出!附综合案例!

      你有不伤别人的教养,却缺少一种不被别人伤害的气场,若没有人护你周全,就请你以后善良中带点锋芒,为自己保驾护航。   🎯作者主页: 追光者♂🔥          🌸个人简介:   💖[1] 计算机专业硕士研究生💖   🌟[2] 2022年度博客之星人工智能领域TOP4🌟   🏅[

    2024年02月15日
    浏览(61)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包